本人實測發現，本地配備的 16GB 顯存顯卡無法運行 LongCat-Image（龍貓圖片編輯）項目，即便開啓 CPU offloading（CPU 卸載）功能緩解顯存壓力，依然因顯存不足導致運行失敗。 為此，我在網上尋找共享算力資源，最終選擇租用 4090 顯卡進行測試，所使用的算力平台為【共績算力】（官網：https://www.gongjiyun.com/）。

租用共績算力4090實測龍貓圖片編輯_python

值得一提的是，該平台對個人開發者提供免費算力申請的機會，降低了測試和開發的成本。

租用共績算力4090實測龍貓圖片編輯_雲主機_02

該平台創建雲主機的流程十分便捷，基礎鏡像已預裝Miniconda等開發必備軟件，無需額外配置基礎環境，極大節省了前期準備時間。考慮到需妥善保存項目數據，我額外開通了共享存儲卷並掛載至雲主機。不過結合兩次創建雲主機的實測體驗來看，共享存儲卷存在明顯短板——讀寫速度較慢；而云主機自帶的本地存儲則表現更優，讀寫效率顯著更高，建議大家根據實際需求選擇存儲方式。

登錄雲主機後，可直接參照 LongCat-Image 的官方倉庫（https://github.com/meituan-longcat/LongCat-Image）執行以下安裝步驟：

# 克隆項目倉庫（僅拉取main分支）
git clone --single-branch --branch main https://github.com/meituan-longcat/LongCat-Image
cd LongCat-Image

# 創建並激活conda虛擬環境（指定Python 3.10版本）
conda create -n longcat-image python=3.10
conda activate longcat-image

# 安裝項目依賴並以開發模式安裝項目
pip install -r requirements.txt
python setup.py develop

# 配置Hugging Face鏡像並下載模型權重
pip install "huggingface_hub[cli]"
export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download meituan-longcat/LongCat-Image-Edit --local-dir ./weights/LongCat-Image-Edit

環境配置完成後，運行示例腳本進行圖片編輯測試：

python scripts/inference_edit.py

需要説明的是，項目代碼中已內置CPU offloading機制，核心代碼如下，其作用是將部分模型權重卸載至CPU，以此降低顯存佔用、避免出現OOM（顯存溢出）錯誤：

pipe.enable_model_cpu_offload()  # Offload to CPU to save VRAM (Required ~19 GB); slower but prevents OOM

    generator = torch.Generator("cpu").manual_seed(43)

即便開啓了該優化機制，實測運行過程中顯卡顯存峯值佔用仍達約17GB。這也印證了本地16GB顯存顯卡無法運行的核心原因——顯存容量不足；而4090顯卡的24GB顯存，恰好能滿足項目穩定運行的需求。

租用共績算力4090實測龍貓圖片編輯_python_03

以下為本次測試的實際效果對比： demo中編輯前的原圖：

租用共績算力4090實測龍貓圖片編輯_Image_04

經過LongCat-Image編輯實現將“車換成摩托車”後的效果：

租用共績算力4090實測龍貓圖片編輯_雲主機_05

從編輯效果來看，整體表現十分出色：不僅成功實現了“車換摩托車”的核心需求，細節處理也相當到位，就連陰影部分都還原得自然逼真，沒有出現明顯的違和感。