ComfyUI安装配置

发布 需要1分钟读完

起因

因为听说Stable Diffusion的创始人和公司闹翻，另起炉灶搞了个Flux，想装个试试，看了一下官方文档，推荐的UI里有这个ComfyUI，号称支持多种后端模型的新型UI，感觉比原来用的SDWebUI好一些，于是装一下试试。

安装

先是在AMD 5300U的机器上装，因为这个模型太大了，没有大显存的显卡，只能先拿CPU试试。

碰到的第一个问题就是系统版略低，自带的Python是3.9的，但Flux要3.10，于是只能docker伺候了。用了官方的python:3.10-bullseye镜像。docker-compose文件如下：

version: '3.3'
services:
  comfyui:
    image: python:3.10-bullseye
    container_name: comfyui
    restart: unless-stopped
    ports:
      - 127.0.0.1:8188:8188
    volumes:
      - /path_to_comfyui:/opt/ComfyUI
    command: /opt/ComfyUI/docker-entry.sh

其中的docker-entry.sh文件如下，其中listen是为了能在docker之外访问：

cd /opt/ComfyUI
. /opt/ComfyUI/venv/bin/activate
python3 main.py --cpu --listen 0.0.0.0

在启动之前先初始化一下运行环境：

docker run -it --rm -v /path_to_comfyui:/opt/ComfyUI python:3.10-bullseye bash
# 之后在docker环境里安装：
cd /opt/ComfyUI
python3 -m venv venv
. venv/bin/activate
pip install -U pip
pip install -r requirements.txt

现在就可以跑一下看看了：

docker-compose up -d

然后用浏览器访问：http://localhost:8188，当然现在没有模型还跑不了

模型下载

参考ComfyUI官方文档之Flux，需要先在这里下载：t5xxl_fp16.safetensors或clip_l.safetensors，内存不足（少于32G）的话也可以用t5xxl_fp8_e4m3fn.safetensors。这两个下载后放到：ComfyUI/models/clip/。

然后是下载Flux的两个模型（以免费的Schnell版本为例）：

  • 基本模型flux1-schnell，下载后放到ComfyUI/models/unet/。
  • VAE模型，下载后放到ComfyUI/models/vae/。
  • fp8模型flux1-schnell-fp8，内存不足使用这个模型替换上面那个基本模型，注意这个是checkpoint模型，要放到ComfyUI/models/checkpoints/，另外，这个就不需要上面的VAE模型了，具体看例子工作流。

之后重启ComfyUI就可以使用了。

使用方法可以试试把ComfyUI官方的示例图加载进去，即可调出例子工作流。

实测在5300U的CPU上跑fp8模型生成512x512的示例图需要消耗60G内存（含交换空间），耗时约半小时，完全没有实用性，但生成效果确实比SD强太多了。

小显存测试

因为CPU实在太慢，于是又想到小显存的机器上测试一下，因为需要升级CUDA，又折腾了一番。得到几点经验教训：

  • 不要安装local版本的CUDA，要安装网络版
  • 显卡驱动要安装推荐版本，最新版可能不一定行

因为local版本的CUDA是打包好的，会自动装上最新版本的驱动，网络版安装则是根据版依赖处理，只要已安装的驱动能支持，就不会动。我这边的显卡驱动只能用535版本，而最新版是560，为了装个CUDA，我测试了530，535，545，550，560，只有535能正常工作，而且推荐使用系统的驱动安装工具来安装，比如我的LinuxMint自带的驱动管理器。

驱动安装完需要重启一下，然后测试看看：

nvidia-smi

不报错就说明安装成功。然后安装网络版的CUDA，我装的是12.4，只要没有出错就可以了。

同样需要先初始一下环境：

cd ~/ComfyUI
python3 -m venv venv
. venv/bin/activate
pip install -U pip
pip install -r requirements.txt

然后启动之（listen是为了能通过网络访问）：

venv/bin/python3 main.py --listen 0.0.0.0 --lowvram

然后用浏览器访问 http://localhost:8188 就可以使用了。

虽然这样也可以跑，但小显存跑起来确实也慢，一张图要15分钟，比SD的3分钟慢多了，这还是fp8的模型……

推送到[go4pro.org]