部署参考：
https://github.com/Wan-Video/Wan2.2/tree/main
部署模型：T2V-A14B
资源开通：
登陆无影
修改策略以支持复制内容到ubuntu执行，需要替换这个instance的策略为新的：
Ensure torch >= 2.4.0
If the installation of flash_attn fails, try installing the other packages first and install flash_attn last
pip install -r requirements.txt
flash_attn依赖torch，先安装torch:
pip install -r requirements.txt 后继续报错
flash-attn 是阿里 Wan2.2 模型能跑起来的关键。它能极大减少显存占用并提高生成视频的速度。如果没有它，即使你模型跑起来了，显存也会瞬间爆掉（OOM）
截图问题的核心非常明确：你只有 GPU 驱动，但缺少 CUDA Toolkit（开发套件），导致系统找不到 nvcc 编译器。
apt-get install nvidia-cuda-toolkit
#一般别apt, 版本太旧且容易乱，引发报错。直接wget官网https://developer.download.nvidia.com/compute/cuda/12.\*\*\*\*
sudo sh cuda_12.4.1_550.54.15_linux.run
安装时的选项操作（一定要看）：
输入 accept 后回车。
【重点】 在出现的菜单里，你会看到 [X] Driver。
请按空格键，把它变成 [ ] Driver。（取消勾选驱动，我们只装 Toolkit）。
确保 [X] CUDA Toolkit 12.4 是勾选状态。
移动光标到 Install，按回车。
\] Driver：你已经取消了驱动勾选，这样就不会覆盖你现有的 12.8 驱动，保证了系统的安全。 \[X\] CUDA Toolkit 12.4：你勾选了开发套件，这会安装我们急需的 nvcc 编译器。   pip install flash-attn 是出了名的慢  因为 flash-attn 包含大量的底层 CUDA 内核代码。当你执行这条命令时，你的机器正在： 调用你刚装好的 nvcc 编译器。 针对你的显卡架构，现场把几万行 C++/CUDA 代码编译成二进制。 这个过程极度消耗 CPU 和内存。 pip install https://github.com/Dao-AILab/flash-attention/releases/download/v2.7.0.post2/flash_attn-2.7.0.post2+cu124torch2.4cxx11abiFalse-cp310-cp310-linux_x86_64.whl ---上海的机器似乎有github墙 PyTorch 版本需要慎重考虑。如果选择太新的话，配套包跟不上。