当前位置：首页 > news >正文

VideoAgentTrek-ScreenFilter一键部署教程：Ubuntu 20.04环境配置

news 2026/8/25 7:02:15

VideoAgentTrek-ScreenFilter一键部署教程：Ubuntu 20.04环境配置

想试试那个能自动给视频打码、去水印的AI工具吗？最近有个叫VideoAgentTrek-ScreenFilter的开源项目挺火的，它专门处理视频里的屏幕内容，比如模糊掉聊天记录、车牌号或者不想露出的信息。听起来很酷，但一想到要在服务器上配环境、装驱动就头疼？

别担心，这篇教程就是为你准备的。咱们今天不谈复杂的原理，就手把手带你走一遍在Ubuntu 20.04系统上，从零开始把这个模型跑起来的完整过程。跟着步骤来，大概十来分钟你就能看到一个可用的服务了。我会尽量把每一步都讲清楚，即使你之前没怎么折腾过Linux或者Docker，也能跟上。

1. 开始前的准备工作

在动手之前，咱们先看看需要准备些什么。这就像做饭前得先备好菜和锅一样。

首先，你得有一台安装了Ubuntu 20.04操作系统的电脑或者服务器。为什么是20.04？因为这个版本比较稳定，社区支持也好，很多依赖库的版本都适配得不错。当然，用22.04也行，但有些命令可能需要微调。

其次，也是最重要的一点，你需要一块英伟达（NVIDIA）的显卡。VideoAgentTrek-ScreenFilter这个模型依赖CUDA进行加速，没有显卡的话，处理视频会非常非常慢，基本没有实用价值。显存建议8GB起步，处理高清视频会更从容。

最后，确保你有这台机器的管理员权限（也就是能使用sudo命令），并且网络通畅，能正常访问互联网以下载各种安装包。

好了，工具齐备，咱们就系好安全带，准备出发。

2. 第一步：搞定系统基础依赖

系统刚装好就像毛坯房，咱们得先通水通电，装好一些基础的软件包。打开你的终端（快捷键Ctrl+Alt+T），然后一条一条执行下面的命令。

首先，更新一下系统的软件包列表，这能确保我们安装的是最新版本的软件。

sudo apt update

更新完成后，安装一些后续步骤必需的开发工具和库。

sudo apt install -y \ build-essential \ software-properties-common \ wget \ curl \ git \ vim

简单解释一下这几个包是干嘛的：

build-essential：包含编译软件需要的基础工具，比如gcc, g++, make。
software-properties-common：方便我们添加和管理软件源。
wget&curl：命令行下载工具，后面会频繁用到。
git：版本控制工具，用来克隆代码仓库。
vim：一个文本编辑器，在终端里修改配置文件时会用到。

安装过程可能会花一两分钟，完成后咱们就进入下一个关键环节——配置显卡驱动。

3. 第二步：安装NVIDIA显卡驱动和CUDA

这是整个部署过程中可能最“坑”的一步，但别怕，跟着做问题不大。我们的目标是安装适配的显卡驱动和CUDA工具包。

Ubuntu 20.04提供了一个相对省事的方法，通过ubuntu-drivers工具来自动检测和安装推荐的驱动。

# 首先，添加显卡驱动的PPA源 sudo add-apt-repository ppa:graphics-drivers/ppa -y sudo apt update # 然后，让系统自动检测并安装推荐的驱动 sudo ubuntu-drivers autoinstall

执行autoinstall命令后，系统会自动为你当前显卡型号安装它认为最合适的驱动。安装完成后，必须重启系统才能使驱动生效。

sudo reboot

重启后，再次登录系统，打开终端，输入下面的命令来验证驱动是否安装成功。

nvidia-smi

如果安装正确，你会看到一个表格，显示了你的显卡型号、驱动版本、CUDA版本以及显卡当前的使用情况。看到这个界面，恭喜你，最难的一关已经过了。

接下来安装CUDA。VideoAgentTrek-ScreenFilter通常需要CUDA 11.x版本。我们使用英伟达官方提供的网络安装方式。

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/3bf863cc.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /" sudo apt update sudo apt install -y cuda-11-8

这里我们安装的是CUDA 11.8，这是一个比较兼容的版本。安装过程会下载大约2-3GB的文件，需要一点时间。

安装完成后，需要将CUDA添加到系统的环境变量中，这样系统才能找到它。

echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc

现在，可以检查一下CUDA是否安装成功了。

nvcc --version

这个命令会输出CUDA编译器的版本信息。如果能看到版本号是11.8左右，那就说明一切顺利。

4. 第三步：安装和配置Docker环境

VideoAgentTrek-ScreenFilter官方推荐使用Docker来部署，这能避免复杂的Python环境冲突问题。Docker就像一个轻量级的虚拟机，把应用和它需要的所有环境打包在一起。

首先，安装Docker官方提供的一些必要工具。

sudo apt install -y \ apt-transport-https \ ca-certificates \ curl \ gnupg \ lsb-release

然后，添加Docker的官方GPG密钥和软件源。

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

更新软件包列表并安装Docker引擎。

sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io

安装完成后，启动Docker服务并设置开机自启。

sudo systemctl start docker sudo systemctl enable docker

默认情况下，运行Docker命令需要sudo权限。为了方便，我们可以把当前用户加入到docker用户组里。

sudo usermod -aG docker $USER

注意：执行这个命令后，你需要完全退出当前终端会话，并重新登录，这个改动才会生效。你可以直接关闭终端窗口，再重新打开一个新的。

重新登录后，运行一个简单的命令测试Docker是否安装成功，并且当前用户有权限使用。

docker run hello-world

如果看到一段“Hello from Docker!”的欢迎信息，说明Docker已经准备就绪。

最后，我们还需要安装nvidia-container-toolkit，这是让Docker容器能够使用宿主机器显卡的关键组件。

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt update && sudo apt install -y nvidia-container-toolkit sudo systemctl restart docker

至此，Docker和显卡支持就全部配置好了。

5. 第四步：拉取并运行ScreenFilter镜像

环境全部搭好，终于到了最激动人心的环节——把模型跑起来。VideoAgentTrek-ScreenFilter的开发者已经将完整的应用打包成了Docker镜像，我们只需要一条命令就能拉取下来。

打开终端，执行下面的命令。这会从镜像仓库下载大约几个GB的镜像文件，下载速度取决于你的网络。

docker pull videotrekscreenfilter/screenfilter:latest

镜像拉取完成后，我们就可以启动一个容器了。启动命令稍微长一点，因为它需要配置一些参数。

docker run -d \ --gpus all \ --name screenfilter \ -p 7860:7860 \ -v /path/to/your/videos:/app/videos \ videotrekscreenfilter/screenfilter:latest

我来解释一下这条命令里的几个关键部分：

-d：让容器在后台运行。
--gpus all：把宿主机的所有GPU都分配给这个容器使用，这是模型能加速的关键。
--name screenfilter：给这个容器起个名字，方便后面管理。
-p 7860:7860：端口映射。把容器内部的7860端口映射到宿主机的7860端口。等下我们就是通过访问宿主机的这个端口来使用服务的。
-v /path/to/your/videos:/app/videos：这是非常重要的一项！它把宿主机上的一个目录挂载到容器内部。你需要把/path/to/your/videos替换成你本地存放待处理视频的真实文件夹路径。比如/home/yourname/videos。这样，你只需要把视频文件放到这个本地文件夹，容器里的应用就能读取到；处理后的结果也会写回到这个文件夹，你就能在本地找到。
最后一行就是指定我们刚才拉取的镜像名。

命令执行后，如果没有报错，容器就在后台默默启动了。你可以用下面的命令查看容器的运行状态。

docker ps

你应该能看到一个名为screenfilter的容器，状态（STATUS）显示为“Up”（正在运行）。

6. 第五步：验证服务并开始使用

容器跑起来了，怎么知道它真的在工作呢？我们来做个健康检查。

首先，检查容器内部的日志，看看启动过程有没有错误。

docker logs screenfilter

如果看到日志最后有类似“Running on local URL: http://0.0.0.0:7860”的信息，通常就表示服务启动成功了。

接下来，打开你的网页浏览器（比如Chrome或Firefox），在地址栏输入：

http://你的服务器IP地址:7860

如果你就是在部署的这台机器的桌面环境下操作，可以直接输入：

http://localhost:7860

如果一切顺利，浏览器里会加载出一个Web界面。这个界面就是VideoAgentTrek-ScreenFilter的操作面板。根据项目的不同，界面可能略有差异，但通常你会看到：

一个文件上传区域，用于选择视频。
一些参数选项，比如选择要过滤的屏幕内容类型（文本、人脸、特定物体等）、模糊强度等。
一个“开始处理”或“Submit”按钮。

现在，你可以尝试把一个小视频文件（比如MP4格式）放到之前启动命令中挂载的那个本地文件夹（例如/home/yourname/videos）。然后在Web界面上选择这个文件，调整你想要的参数，点击处理。

处理时间取决于视频长度和你的显卡性能。处理完成后，处理好的视频通常会保存在同一个文件夹下，或者界面上会提供下载链接。

整个流程走下来，感觉部署过程其实挺清晰的，就是把几个大步骤串联起来：准备系统、装显卡驱动、配Docker、最后拉镜像运行。最花时间的可能就是下载驱动和镜像文件，但只要网络没问题，等待一下就好。

实际操作中如果遇到问题，多半是显卡驱动版本或者CUDA版本不匹配，这时候可以多看看docker logs输出的错误信息，通常能定位到原因。第一次成功跑通后，以后再部署类似的AI应用，你就会发现套路都差不多，上手会快很多。这个服务启动后，你就可以用它来批量处理一些需要隐私保护的视频素材了，试试看效果如何吧。