本人实测发现，本地配备的 16GB 显存显卡无法运行 LongCat-Image（龙猫图片编辑）项目，即便开启 CPU offloading（CPU 卸载）功能缓解显存压力，依然因显存不足导致运行失败。
为此，我在网上寻找共享算力资源，最终选择租用 4090 显卡进行测试，所使用的算力平台为【共绩算力】（官网：https://www.gongjiyun.com/）。
值得一提的是，该平台对个人开发者提供免费算力申请的机会，降低了测试和开发的成本。
该平台创建云主机的流程十分便捷，基础镜像已预装Miniconda等开发必备软件，无需额外配置基础环境，极大节省了前期准备时间。考虑到需妥善保存项目数据，我额外开通了共享存储卷并挂载至云主机。不过结合两次创建云主机的实测体验来看，共享存储卷存在明显短板——读写速度较慢；而云主机自带的本地存储则表现更优，读写效率显著更高，建议大家根据实际需求选择存储方式。
登录云主机后，可直接参照 LongCat-Image 的官方仓库（https://github.com/meituan-longcat/LongCat-Image）执行以下安装步骤：
# 克隆项目仓库（仅拉取main分支） git clone --single-branch --branch main https://github.com/meituan-longcat/LongCat-Image cd LongCat-Image # 创建并激活conda虚拟环境（指定Python 3.10版本） conda create -n longcat-image python=3.10 conda activate longcat-image # 安装项目依赖并以开发模式安装项目 pip install -r requirements.txt python setup.py develop # 配置Hugging Face镜像并下载模型权重 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环境配置完成后，运行示例脚本进行图片编辑测试：
python scripts/inference_edit.py需要说明的是，项目代码中已内置CPU offloading机制，核心代码如下，其作用是将部分模型权重卸载至CPU，以此降低显存占用、避免出现OOM（显存溢出）错误：
pipe.enable_model_cpu_offload()# Offload to CPU to save VRAM (Required ~19 GB); slower but prevents OOMgenerator=torch.Generator("cpu").manual_seed(43)即便开启了该优化机制，实测运行过程中显卡显存峰值占用仍达约17GB。这也印证了本地16GB显存显卡无法运行的核心原因——显存容量不足；而4090显卡的24GB显存，恰好能满足项目稳定运行的需求。
以下为本次测试的实际效果对比：
demo中编辑前的原图：
经过LongCat-Image编辑实现将“车换成摩托车”后的效果：
从编辑效果来看，整体表现十分出色：不仅成功实现了“车换摩托车”的核心需求，细节处理也相当到位，就连阴影部分都还原得自然逼真，没有出现明显的违和感。
