windows本地傻瓜式部署manga-image-translator的GPU版Python装依赖真是有够恶心人的。

有Nidva独显的还是建议部署显卡版，一般的甜品卡都问题不大。

千万不要在本地直接部署，装环境和装依赖有的是折腾的，尤其是依赖里头的pydensecrf那玩意。强烈建议通过docker部署。

windows中的docker的安装及配置自行搜索。

本篇大量参考最简单的 manga-image-translator 本地部署流程 | ComicRead Script，由于这篇教程是基于CPU版部署的，需要更改一些东西。

安装NVIDIA Container Toolkit

在docker中要调用GPU，则先需要在独显中安装NVIDIA Container Toolkit。安装步骤：

添加 NVIDIA 容器工具包的 GPG 密钥和仓库:

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
  && curl -fsSL <https://nvidia.github.io/libnvidia-container/gpgkey> | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L <https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list> | \
         sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
         sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

安装 NVIDIA 容器工具包:

sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

测试 GPU 访问（网络问题自行解决）:

docker run --rm --gpus all nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi

在Docker中部署 manga-image-translator

选择一个程序启动的文件夹（本文件夹还会存放程序产生的图片缓存）

在文件夹内创建docker-compose.yml文件，内容为以下：

version: "3.8"
name: manga_image_translator
services:
  manga_image_translator:
    image: zyddnys/manga-image-translator:main
    container_name: manga_image_translator_gpu
    command: server/main.py --verbose --start-instance --host=0.0.0.0 --port=5003 --use-gpu
    volumes:
      - ./result:/app/result
    ports:
      - 5003:5003
    ipc: host
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [compute, utility]

在terminal中运行安装及启动指令（网络问题自行解决）
```
cd ‘你的文件夹目录’
docker-compose up
```