DataWhale X 魔搭AI夏令营

一、ComfyUI认识

1.1 什么是ComfyUI

    ComfyUI是一款创新的图形界面工具，利用节点工作流稳定扩散算法，将复杂的扩散过程细化为可定制、可复现的节点，极大提升了工作效率与结果的可重用性。其直观的操作界面让用户无需编程即可设计并执行精细化的工作流程，特别是在图像生成领域，相比传统WebUI，ComfyUI展现了更快的处理速度和更优化的显存管理，特别是在处理大图片时，通过切块运算有效避免了显存溢出和图片碎裂问题。

1.2 ComfyUI应用场景

    由于ComfyUI将一个个完整图像处理功能拆分成了独立的模块节点，节点之间可以通过模型处理流程来串联，借此得到更高的灵活和可扩展性，因此可以应用在AI绘画，图像处理，动画，影视及AI视频等方面。

1.3 ComfyUI的优势

模块化和灵活性：ComfyUI 提供了一个模块化的系统，用户可以通过拖放不同的模块来构建复杂的工作流程。这种灵活性允许用户根据自己的需求自由组合和调整模型、输入、输出、和其他处理步骤。

可视化界面：ComfyUI 提供了直观的图形界面，使得用户能够更清晰地理解和操作复杂的 AI 模型和数据流。这对没有编程背景的用户特别有帮助，使他们能够轻松构建和管理工作流程。

多模型支持：ComfyUI 支持多个不同的生成模型，用户可以在同一平台上集成和切换使用不同的模型，从而实现更广泛的应用场景。

调试和优化：通过其可视化界面，ComfyUI 使得调试生成过程变得更简单。用户可以轻松地追踪数据流，识别并解决问题，从而优化生成结果。

开放和可扩展：ComfyUI 是一个开源项目，具有高度的可扩展性。开发者可以根据需要编写新的模块或插件，扩展系统功能，并根据项目需求进行定制。

用户友好性：尽管其功能强大，但 ComfyUI 仍然保持了用户友好性，即使对于复杂任务，也能以相对简单的方式完成，使其成为生成式 AI 工作流程管理的有力工具。

二、 ComfyUI安装

2.1 下载脚本代码

git lfs install
git clone https://www.modelscope.cn/datasets/maochase/kolors_test_comfyui.git
mv kolors_test_comfyui/* ./
rm -rf kolors_test_comfyui/
mkdir -p /mnt/workspace/models/lightning_logs/version_0/checkpoints/
mv epoch=0-step=500.ckpt /mnt/workspace/models/lightning_logs/version_0/checkpoints/   

2.2 进入ComfyUI文件并执行代码

2.3 进入预览界面

三、Comfyui工作流

3.1 不带Lora的工作流样例

工作流脚本kolors_example.json，如下图（只展示了部分）

运行结果：

3.2 带Lora的工作流样例

  工作流脚本kolors_with_lora_example.json（带Lora训练）

运行结果：

四、学习感悟

在这一小节中，我通过文档初步认识了ComfyUI，对ComfyUI的应用与优势有所了解。在安装和使用ComfyUI的过程中，我也深刻感受到了其便捷性。通过简单的脚本下载、文件执行和预览界面进入，即使是初学者也能快速上手并体验到其强大的功能。并且，通过实践不带Lora和带Lora的工作流样例，我更加深入地理解了ComfyUI的工作机制和灵活性。无论是简单的图像处理还是复杂的特征融合，ComfyUI都能通过灵活配置节点来实现，让我对AI生图有了全新的认识和体验。