AI图像处理之ComfyUI（一）

---

一、简单效果展示

二、基础概念

1. 核心定位
   ComfyUI（康菲UI）是基于节点的可视化操作界面，通过模块化组件构建图像生成流程，支持深度定制和复杂任务编排。

2. 核心组件
   节点：代表特定功能模块（如模型加载、参数调整、图像解码），用户通过拖拽组合实现功能链。
   工作流：由节点连接形成的完整生成流程，支持保存/服用，可快速实现批量任务。

三、 配置要求

1. 基础配置：支持CPU/GPU运行，最低8GB内存。
   Python：推荐使用Python3.10+环境。

2. 开局效果展示配置：
   CPU：i7-9700K
   内存：24.0 GB
   显卡：RTX 3060 Ti (8 GB)
   Python：3.12

四、安装包网站

1. 基础包
   ComfyUI官网
   秋叶整合包
   ComfyUI-Manager(需要梯子)

2. 大模型下载网站：
   Huggingface(国外，需要梯子)
   HF-Mirror（国内镜像，无需翻墙）
   魔搭社区（国内、免费、下载速度快）

3. 其他组件
   github（需要梯子）

五、ComfyUI目录

1. 根目录介绍

启动命令：
run_cpu.bat：window系统下CPU启动
run_nvidia_gpu.bat：window系统下GPU启动，默认为32位。依赖FP32精度，显存占用较高。
run_nvidia_gpu_fast_fp16_accumulation.bat：window系统下GPU启动，1混合精度训练（FP16+FP32），适用于显存受限，多卡并行训练。

选择建议
fast_fp16_accumulation：如果训练参数量大于1亿的模型、单卡显存<24GB或追求极致训练速度时推荐使用
fun_nvidia_cpu：小模型调试、对数值稳定性要求极高（如金融预测模型）或GPU不支持Tesor Core时使用。

python包
python_embeded：python依赖包会安装到这里

ComfyUI包
ComfyUI核心包

2. ComfyUI核心包

1. 核心包核心文件

main.py/app.py‌：主程序入口文件，运行后启动Web服务。
requirements.txt‌：Python依赖库清单，用于环境部署。
README.md‌：包含安装说明、基础操作指南和版本更新日志。

2. models目录

checkpoints：存放大模型的主模型文件。
loras：存放LoRA（Low-Rank Adaptation）微调模型，用于快速任务适应。
controlnet：用于精细化控制图像生成过程。
embeddings：用于存放嵌入模型，用于语义特征提取。
clip：Contrastive Languager-Image Pretraining。用于文本条件引导、图像特征提取和语义相似性计算。
lama：图像修复、模型微调或特定任务优化模型。
inpaint：models目录没有，需要自己创建。主要用于图像修复或局部重绘。
unet：用于存放U-Net模型，广泛用于图像生成、分隔和扩散模型的网络架构。
text_encoders：文本数据转化为数值向量的关键组件，尤其是跨模态任务。
‌Upscale_models：图像放大的模型，低分辨率输入，高分辨率输出。
vae：编解码模型，用于图像编解码优化。

3. custom_nodes/扩展插件区

安装的各种插件都存放在这里。

4. input

输入的文件都存在这个目录。比如：上传的图像。

5. output

输出逇目录存在这里。比如：生成的图像。

六、界面展示