【ComfyUI】喂饭版-ComfyUI 安装指南：从零开始搭建高性能 AI 绘图环境

🚀 在本教程中，我将带您一步步搭建 ComfyUI - 一个功能强大的 Stable Diffusion 图形化工作流工具，特别优化用于多 GPU 环境。无论您是 AI 绘图新手还是寻求高效批量生成解决方案的专业用户，这篇指南都能帮助您快速上手。

前言

ComfyUI 是目前最灵活、功能最丰富的 Stable Diffusion 工作流工具之一，它采用节点式设计，可以自由组合各种组件，创建复杂的图像生成流程。与其他工具相比，ComfyUI 的最大优势在于其高度可定制性和对多 GPU 环境的良好支持。

我们的安装环境是：

• Ubuntu 24.04
• CUDA 12.4
• NVIDIA RTX 3090 GPU × 4
• Python 3.10

注意：本教程假设您已经安装了 CUDA、NVIDIA 驱动和 Miniconda。

1. 创建独立的 conda 环境

首先，我们需要创建一个独立的 conda 环境，以避免与系统其他 Python 环境冲突：

# 创建名为 comfyui 的 Python 3.10 环境
conda create -n comfyui python=3.10 -y

# 激活新创建的环境
source ~/miniconda/bin/activate comfyui || conda activate comfyui

2. 安装 PyTorch 和 CUDA 依赖

接下来，我们安装支持 CUDA 的 PyTorch：

# 安装 PyTorch 2.5.1 及相关组件
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.4 -c pytorch -c nvidia -y

# 验证 PyTorch 安装是否正确识别 GPU
python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA是否可用:', torch.cuda.is_available()); print('GPU数量:', torch.cuda.device_count())"

在输出中，您应该能看到已识别的 GPU 数量和 CUDA 可用状态为 True。

3. 安装 xformers 优化内存使用

xformers 是 Meta 开发的一个库，能大幅降低 Stable Diffusion 模型的内存占用：

pip install xformers

4. 克隆 ComfyUI 代码库

现在，让我们获取 ComfyUI 的最新代码：

cd ~
if [ -d "ComfyUI" ]; then
    echo "ComfyUI 目录已存在，更新到最新版本"
    cd ComfyUI
    git pull
else
    git clone https://github.com/comfyanonymous/ComfyUI.git
    cd ComfyUI
fi

5. 安装 ComfyUI 依赖

cd ~/ComfyUI
pip install -r requirements.txt

# 安装额外的依赖
pip install accelerate==0.27.2
pip install peft==0.7.1
pip install requests==2.31.0

6. 创建模型目录结构

ComfyUI 需要特定的目录结构来存储不同类型的模型：

mkdir -p models/{checkpoints,configs,controlnet,embeddings,loras,upscale_models,vae,clip,gligen,unet,clip_vision,style_models}

7. 安装常用扩展节点

ComfyUI 的功能可以通过扩展节点来增强，以下是几个实用的扩展：

cd ~/ComfyUI/custom_nodes

# ComfyUI-Manager：最流行的管理插件，提供图形界面管理各种组件
git clone https://github.com/ltdrdata/ComfyUI-Manager.git

# comfyui_controlnet_aux：ControlNet 辅助预处理器节点集合
git clone https://github.com/Fannovel16/comfyui_controlnet_aux.git

# ComfyUI_IPAdapter_plus：集成 IP-Adapter 图像条件生成技术
git clone https://github.com/cubiq/ComfyUI_IPAdapter_plus.git

# ComfyUI_NetDist：支持多 GPU 分布式处理
cd ~/ComfyUI/custom_nodes
git clone https://github.com/city96/ComfyUI_NetDist.git

8. 创建启动脚本

为了便于启动并正确配置环境变量，我们创建一个启动脚本：

cd ~
cat > ~/start_comfyui.sh << 'EOL'
#!/bin/bash
source $HOME/miniconda/bin/activate comfyui || conda activate comfyui
cd ~/ComfyUI

# 设置多GPU并行计算环境变量
export CUDA_VISIBLE_DEVICES=0,1,2,3
# 设置PyTorch使用所有可用GPU
export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512
# 启用分布式数据并行
export COMFYUI_USE_TORCH_COMPILE=1

# 启动ComfyUI
python main.py --listen 0.0.0.0 --port 8188
EOL

chmod +x ~/start_comfyui.sh

9. 设置系统服务实现自启动

为了使 ComfyUI 能够开机自启动并且在崩溃时自动重启，我们创建一个系统服务：

cat > ~/comfyui.service << EOL
[Unit]
Description=ComfyUI Service
After=network.target

[Service]
Type=simple
User=$USER
ExecStart=/bin/bash $HOME/start_comfyui.sh
Restart=on-failure
RestartSec=5s
# 设置更大的内存限制，适合128G内存系统
MemoryHigh=100G
MemoryMax=120G

[Install]
WantedBy=multi-user.target
EOL

# 将服务文件复制到系统目录（需要sudo权限）
sudo cp ~/comfyui.service /etc/systemd/system/
sudo systemctl daemon-reload
sudo systemctl enable comfyui.service

10. 下载基础模型

您需要下载至少一个基础的 Stable Diffusion 模型才能开始生成图像。您可以从 Civitai 或 Hugging Face 下载模型，并将其放置在 ~/ComfyUI/models/checkpoints/ 目录中。

以下是一些推荐的基础模型：

• Realistic Vision V6.0
• Dreamshaper 8
• SDXL 1.0

11. 启动 ComfyUI

完成安装后，您可以通过以下两种方式启动 ComfyUI：

# 方式1：直接运行启动脚本
~/start_comfyui.sh

# 方式2：使用系统服务启动
sudo systemctl start comfyui

启动后，您可以通过浏览器访问 http://您的IP地址:8188 来使用 ComfyUI 的图形界面。

总结

至此，您已经成功安装了 ComfyUI 并配置了多 GPU 环境。现在您可以：

1. 通过网页界面创建复杂的图像生成工作流
2. 利用多个 GPU 加速图像生成过程
3. 通过 API 实现自动化批量生成