安装

ChituDiffusion 支持 Linux、Python 3.12 或 3.13，并要求 NVIDIA GPU 和可用的 CUDA 环境。项目使用 pyproject.toml 管理依赖和构建。

基础环境

克隆仓库后，先检查 pyproject.toml 中的 PyTorch source：

[tool.uv.sources]
torch = { index = "pytorch-cu130" }
torchvision = { index = "pytorch-cu130" }

仓库已定义 pytorch-cu124、pytorch-cu126、pytorch-cu128 和 pytorch-cu130。把 torch 与 torchvision 改为机器对应的 index，然后安装：

uv sync --group dev
source .venv/bin/activate
chitu --help

安装结果包含 ChituDiffusion、Torch、Diffusers、测试、构建和文档工具。

可选依赖

Fast CP 需要 Fast Ulysses 与 NVSHMEM：

uv sync --group dev --extra fast-ulysses
python tools/install/install_fast_agkv.py refs/fast-ulysses

第二步把 chitu_diffusion/parallel/cp/fast/csrc/ 下的扩展源码装入 checkout。 Fast transport 必须针对目标 CUDA、NVSHMEM 和 GPU 架构编译。只使用单卡或 NCCL CP 时不需要这些扩展。

其他 attention backend 按需安装：

uv sync --group dev --extra flash

检查安装

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"
chitu --help
python -m pytest -q -m "not gpu and not distributed and not benchmark"