从零开始教你玩转ComfyUI-保姆级部署教程-手把手带你ComfyUI工作流搭建

最新推荐文章于 2024-08-16 22:04:51 发布
最新推荐文章于 2024-08-16 22:04:51 发布
阅读量3.4k 收藏 47
点赞数 34
文章标签： 人工智能 comfy 工作流 SDXL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_37863729/article/details/141216314
版权

第一节：认识ComfyUI并安装

本教程专为初学者设计，详细介绍了 2024 年最新版的SD ComfyUI的使用方法。通过逐步指导，让你无需任何基础，快速学会并使用这一强大的AI绘图工具。

1、什么是comfyui

ComfyUI就像拥有一支神奇魔杖，可以轻松创造出令人惊叹的AI生成艺术。从本质上讲，ComfyUI是构建在Stable Diffusion之上的基于节点的图形用户界面(GUI)，而Stable Diffusion是一种最先进的深度学习模型，可以根据文本描述生成图像。 但ComfyUI真正特别之处在于，它如何让像你这样的艺术家释放创造力，将你最疯狂的想法变为现实。

想象一下有一块数字画布，你可以通过连接不同的节点来构建自己独特的图像生成工作流，每个节点代表一个特定的功能或操作。 就像为你的AI生成杰作构建一个视觉食谱!

2、ComfyUI VS. WebUI

WebUI是Stable Diffusion的默认GUI。让我们对比一下ComfyUI的优缺点:

✅ 使用ComfyUI的好处:

  1. 轻量级: 运行速度快，效率高。
  2. 灵活性: 高度可配置以满足你的需求。
  3. 透明度: 数据流可见，易于理解。
  4. 易于分享: 每个文件代表一个可重现的工作流。
  5. 适合原型开发: 使用图形界面而不是编码来创建原型。

❌ 使用ComfyUI的缺点:

  1. 界面不一致: 每个工作流可能有不同的节点布局。
  2. 操作门槛较高：由于ComfyUI采用节点式的工作流，对于初学者来说可能需要一段时间来熟悉和掌握。
  3. 生态相对较小：尽管ComfyUI的基本功能齐全，但在插件和扩展工具方面，其生态可能不如webui丰富。不够现在很多插件也都是先支持ComfyUI了。这个后续的生态会不断完善，不是什么大问题

3、ComfyUI 的硬件配置要求

组件要求
GPU显存至少4GB以上，推荐使用 NVIDIA 显卡，建议使用 RTX3060 以上显卡
显存小于3GB的GPU可通过–lowvram选项运行，但性能可能下降。
CPU支持在CPU上运行，但速度较慢，使用–cpu选项。
内存建议系统内存至少8GB。
存储空间非常建议使用固态硬盘来加快模型文件的加载运行速度，建议至少40GB以上的硬盘空间。

4、ComfyUI 的安装方法

这边推荐和WebUI一样使用秋叶大佬的一键整合包安装ComfyUI非常简单

这个是秋叶大佬分享的整合包下载链接以及一些简单的工作流分享

【下载链接】

网盘：通过网盘分享的文件：comfy一键启动器-工作流分享
链接: https://pan.baidu.com/s/1AkjW2v4qCENij2YyGGJ5wA?pwd=mvy7 提取码: mvy7
–来自百度网盘超级会员v3的分享

如果不想使用网盘也可以扫码进群获取完整的安装包

下载压缩包

image.png

解压整合包文件

解压到你想要安装 ComfyUI 的本地目录。

启动 A绘图启动器

这一步主要查看 A绘图启动器 是否能正常运行，解压后的文件夹中找到 A绘图启动器.exe文件，双击即可启动秋叶的ComfyUI整合包，启动后应该会自动根据你的系统语言进行显示。

image.png

打开后是这样的

image.png

在设置中可以修改我们的语言

image.png

下载了模型的小伙伴记得把模型放在这个文件夹内

image.png

我们点击启动，能看到这个页面就是安装成功啦

image.png

中文提示词翻译节点安装

使用到的节点也是非常有名的mixlab节点，我们在管理器安装

或者通过URL安装：https://github.com/shadowcz007/comfyui-mixlab-nodes

手动安装的话我们就下载github主页的项目压缩包解压到我们的ComfyUI \ custom_nodes文件夹中即可

安装完成记得重启哦

image.png

使用节点

我们按下图就可以把中文提示词节点添加到我们的画布中

image.png

但是这个时候还是不可以用的

想要在本地翻译，我们还需要下载翻译的大语言模型

下载完成后我们放在 ComfyUI / models / llamafile/ 文件夹下，没有llamafile文件夹我们需要自己创建一个哦

作者强烈推荐：Phi-3-mini-4k-instruct-GGUF 下载地址：https://huggingface.co/microsoft/Phi-3-mini-4k-instruct-gguf/tree/main

image.png

作者建议备选：llama3_if_ai_sdpromptmkr_q2k 下载地址：https://hf-mirror.com/impactframes/llama3_if_ai_sdpromptmkr_q2k/tree/main

image.png

image.png

如何我点击添加提示词队列就可以使用了哦

image.png

生成打开是自动进行一个AI的扩写，我觉得不太好用所以不建议开启

image.png

值得注意的是第一次使用时需要科学上网，不然会报网络错误哦

ComfyUI用户界面说明，包含基本操作，菜单设置，节点操作等常见用户界面选项

菜单面板相关功能说明

image.png

如上图，对应功能说明已注释，下面为对应说明内容：

  • 拖动按钮: 点击后可以拖动菜单面板移动位置
  • 队列大小： 当前图片生成任务数量
  • 设置按钮： 点击后打开ComfyUI设置面板
  • 添加提示词队列： 将将当前工作流加入图片生成队列（最后面的位置），快捷键 Ctrl+Enter
  • 更多选项： 图片生成相关选项，如单次生成数量，当参数变化时自动执行图片生成任务等

image.png

批次数量： 单次图片生成的图片数 Auto Queue(自动队列)： 根据设定条件将当前工作流自动加入生图队列

  • instant-实时： 实时生成
  • change-有变化时： 当工作流存在参数变动时，执行图片生成

前台队列： 将当前工作流加入图片生成队列并作为最优先的队列

显示队列： 显示当前的图片生成任务列表

image.png

  • 运行中： 当前正在进行图片生成的队列
  • 等待中： 当前正在排队进行图片生成的队列
  • 清除队列： 删除生图队列信息
  • 重刷新： 刷新队列信息

显示历史： 显示图片生成的历史记录和信息

image.png

历史列表： 图片生成的历史记录，点击加载可将对应的图片生成参数载入工作流中，点击删除则删除对应图片生成记录信息 清除历史： 删除图片生成的历史记录 重刷新： 刷新历史记录

  • 保存： 将当前工作流保存为JSON文件
  • 加载： 从JSON文件或者comfyUI生成的图片中加载工作流
  • 重刷新： 刷新当前界面
  • 剪贴空间： 显示复制到剪贴空间的内容

当你完成图片生成后，可以在预览/保存图片节点上，右键复制对应的图片，此时再点击剪贴空间，可展示当前复制的图片，你可将图片载入支持粘贴的节点（如： 加载图像节点）

image.png

  • 清除： 清除当前工作空间所有节点内容
  • 加载默认： 加载ComfyUI默认工作流

节点介绍

一、Load Checkpoint 节点

在 ComfyUI 中，Load Checkpoint 节点是一个非常重要的核心节点。其功能是加载 checkpoint 大模型，常用的大模型有 sd1.0、sd1.5、sd2.0、sd3.0、sdXL 等。

image.png

输入：

ckpt_name -> 自行选择在模型网站下载好的大模型（在用 WebUI 时下载了大模型的可以共享路径文件，节省磁盘空间）

输出：

MODEL -> 该模型用于对潜空间图片进行去噪

CLIP -> 该模型用于对 Prompt 进行编码

VAE -> 该模型用于对潜在空间的图像进行编码和解码

注意：·StableDIffusion 大模型(checkpoint)内置有 CLIP 和 VAE 模型

另加载大型模型时，可能会耗费较长时间或占用大量内存，确保系统资源充足，避免因资源不足而导致的加载失败。

二、Load Checkpoint with config 节点

该节点是一个高级的节点，用于加载 checkpoint 大模型并同时应用 config 文件中指定的设置。

image.png

输入：

Config_name -> 指定要加载的检查点文件的路径

Ckpt_name -> 自行选择在模型网站下载好的大模型

输出：

MODEL -> 该模型用于对潜空间图片进行去噪

CLIP -> 该模型用于对 Prompt 进行编码

VAE -> 该模型用于对潜在空间的图像进行编码和解码

**注意：**确保 checkpoint 文件和 config 文件与当前使用的 ComfyUI 版本兼容

三、CLIP Set Last Layer 节点

对 CLIP 进行微调并调整最后一层（Set Last Layer）。该节点用来设置选择 CLIP 模型在第几层的输出数据，提高模型在目标任务上的表现。

image.png

输入：

clip -> 接收用于对 prompt 进行编码的 CLIP 模型

输出：

CLIP -> 具有新设置的输出层的 CLIP 模型。

参数：

stop_at_clip_layer -> 设置 CLIP 模型在第几层进行数据输出

**注意：**CLIP 模型对 prompt 进行编码的过程中，可以理解为对原始文本进行层层编码，该参数就是选择我们需要的一层编码信息，去引导模型扩散。

四、CLIP Text Encode (Prompt)节点

该节点用来输入正反向提示词，也就是“文生图”，“文生视频”中“文”的输入位置

image.png

输入：

clip -> 接收用于对 prompt 进行编码的 CLIP 模型

输出：

CONDITIONING -> 将文本信息通过 CLIP 模型编码，形成引导模型扩散的条件信息

参数：

文本输入框 -> 输入需要模型生成的文本信息，正向提示词及反向提示词

**注意：**当前 prompt 仅支持英文的输入，但可通过安装插件实现中文实时翻译

五、KSampler 节点

该节点专门用于逐步减少潜在空间图像中的噪声，改善图像质量和清晰度。

image.png

输入：

model -> 接收来自大模型的数据流

positive -> 接收经过 clip 编码后的正向提示词的条件信息（CONDITIONING）

negative -> 接收经过 clip 编码后的反向提示词的条件信息（CONDITIONING）

latent_image -> 接收潜空间图像信息

输出：

LATENT -> 经过 KSampler 采样器进行去噪后的潜空间图像

参数：

seed -> 在去除图像噪声过程中使用的随机数种子。种子数有限，影响噪声生成的结果

control_after_generate -> 指定种子生成后的控制方式

fixed 代表固定种子，保持不变

increment 代表每次增加 1

decrement 代表每次减少 1

randomize 代表随机选择种子

steps -> 对潜在空间图像进行去噪的步数。步数越多，去除噪声的效果可能越显著

cfg -> 提示词引导系数，表示提示词对最终结果的影响程度。过高的值可能会产生不良影响。

sampler_name -> 选择的采样器名称，不同的采样器类型可以影响生成图像的效果，大家可以根据需求进行选择和实验

scheduler -> 选择的调度器名称，影响生成过程中的采样和控制策略，推荐配置可提供更好的结果

denoise -> 去噪或重绘的幅度，数值越大，图像变化和影响越显著。在高清修复等任务中，通常使用较小的值以保持图像细节和质量

六、Empty Latent image 节点

该节点用来控制纯噪声的潜空间图像及比例。

image.png

输出：

LATENT -> 输出指定形状和数量的潜空间图像

参数：

width -> 要生成潜空间图像的宽度

height -> 要生成潜空间图像的高度

batch_size -> 需要生成多少张潜空间图像

**注意：**sd1.0、sd1.5 等模型来说最佳尺寸为 512*512

sd2.0、sd3.0 等模型来说最佳尺寸为 1024*1024

七、VAE Decode 节点

该节点用来将潜空间图像解码到像素级的图像。

image.png

输入：

samples -> 接收经过 KSampler 采样器处理后的潜在空间图像， 用于后续的处理或展示

vae -> 接收用于解码潜在空间图像的 VAE 模型， 大部分情况下，模型的检查点（checkpoint）会包含 VAE，当然也可以单独加载一个 VAE 模型

输出：

IMAGE -> 输出经过 VAE 解码后可直接查看的图像

八、Save image 节点

该节点用来保存 image 图像

image.png

输入：

images -> 保存图像

Tips：一般保存的图像会在你的 ComfyUI 文件夹中（eg：安装盘:\Comfyui\ComfyUI\output ）

保存工作流

在ComfyUI中要如何保存我已经设置好的工作流？

你可以通过以下方式保存你制作好的工作流文件

  • 保存图片生成的PNG文件（comfyUI会将生成过程中的prompt信息及workflow设置写入PNG的Exif信息中）
  • 在菜单面板中点击保存可以将当前工作流保存为JSON格式

image.png

导入工作流

在comfyUI右侧菜单面板中，点击加载 可以通过以下两种方式载入comfyUI工作流文件

  1. 从工作流Json 文件中加载工作流
  2. 从comfyUI生成的PNG图片中加载

插件安装

管理器搜索：AdvancedLivePortrait

或者在github项目主页上安装：https://github.com/PowerHouseMan/ComfyUI-AdvancedLivePortrait

image.png

安装完成后作者提供了示例的工作流在该文件夹内：\custom_nodes\ComfyUI-AdvancedLivePortrait\sample

节点也非常简单，经续3个节点就可以看到效果

image.png

以下是一些影响表情的参数

image.png

官网链接：https://krita.org/zh-cn/

image.png

Krita+ComfyUI解锁AI实时绘图

安装完成我们需要下载Krita AI绘图的插件

插件项目地址：https://github.com/Acly/krita-ai-diffusion

我们进入项目主页的Releases板块，里面有很多版本，我选择的1.19.0这个版本下载，下载后是个压缩包，不用解压

image.png

image.png

然后我们进入Krita，新建一个图像

image.png

在最上方工具——脚本——文件导入，把我们刚刚的压缩包导入

image.png

image.png

然后导入成功后我们在设置——显示面板——AI img generation 勾选上

image.png

然后重新启动我们的Krita，顺便也把ComfyUI启动

进入后我们就可以看到右边的功能区多了个AI Image Generation模块，我们点击设置

点击Connection——Custom Server ——Connect ，这步是把我们的Krita和ComfyUI进行一个连接，ComfyUI的默认URL都是127.0.0.1:8188，如果你不是你需要修改Server URL

image.png

image.png

连接过程大概率会报错，因为我们没有安装模型，报错的内容也会提醒你缺失什么模型

你需要到该地址下载缺失模型：https://github.com/Acly/krita-ai-diffusion/wiki/ComfyUI-Setup#shared

你就缺什么模型或者节点就按插件作者提示的ComfyUI文件路径，把模型都下好。没有对应文件夹的话就要直接新建文件夹

image.png

理论上，我们安装完以上缺失模型就可以连接成功，如下图

image.png

然后我们还要修改Styles的一些参数

image.png

然后我们就可以开始实时绘图啦

我们写上提示词，然后灵魂画手上线，在画布随便画画，最后点击Generate

image.png

然后AI就会帮我画啦，如果觉得画面改动太小就调整强度

image.png

强度越大改变越大，越可能偏离我们的原画

image.png

以上还只是小菜一碟，我们把模型调到Live就可以体验到落笔作画了。

image.png

灵魂画手再次上线哈哈，效果还是非常不错的，很有趣，感兴趣的小伙伴可以区试试哦

image.png

工作流的举例分享

image.png

image.png

工作流看着很复杂其实逻辑很简单

第一个组是实现动漫转真人的效果

image.png

第二个组是实现换脸：如果你对生成出来的人物不满意就可以使用换脸

image.png

第三组主要是做一个和原图叠加的效果，这个也不是必要的，可以选择关闭。除了这个组用到了一些其他特殊的节点。其余组都是比较常见的节点

image.png

出图效果：

image.png

image.png

image.png

image.png

image.png

不过出图也没有百分百的准确，有些漫画图片生成不出来，比如美少女战士我试了几次效果都不好

image.png

模型下载

下载地址：https://huggingface.co/xinsir/controlnet-union-sdxl-1.0

我们选择这个Promax效果更好一些，下载完放入ComfyUI对应的ControlNet文件夹内即可

image.png

为了方便使用我们还需要更新ControlNet的一个插件

image.png

工作流搭建

我这边先搭建一个最简单的图生图工作流

image.png

然后我们就正常使用ControlNet，值得注意的是重绘的遮罩必须转成RGB图像，不然后面出图有问题

image.png

我们还需要选择ControlNet++加载器，控制模型需要选择inpaint

image.png

完整的工作流我会放在交流群中，感兴趣的小伙伴可以加群获取哦

生成效果

image.png

然后涂抹遮罩

image.png

提示词写上你想要改变的

image.png

生成对比

image.png

可以看到重绘边缘的接缝几乎完美

image.png

换装也是支持的

image.png
在这里插入图片描述
这一期文章就到了这了，有具体部署问题可以私信联系我，也可以到专业人工智能技术开源论坛网站搜索comfy系列文章答疑解惑。网站完全免费！！！

CloseAi论坛
关注
中视频项目保姆级实战教程-视频教程网盘链接提取码下载 .txt
05-22
十节视频课，主要讲内容制作和账号运营：包括选题、素材、文案、配音、剪辑以及运营...通过这十节课，你能快速掌握中视频项目的整个流程，挖掘出适合自己的中视频玩法，也可以模仿我们的玩法直接开干。 视频大小：263M
本地部署 ComfyUI
engchina的专栏
11-24 3365
本地部署 ComfyUI
AI绘图的场景应用：文生图、图生图
qq_41314882的博客
03-15 1959
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
全网最全comfyui工作流保姆级教程来啦！comfyui工作流搭建看这一篇就够了
m0_71746299的博客
05-10 1万+
ControINet 有独立的控制图像，通过对图像的预处理，再结合提示词进行生成图像 不同的预处理可以对生成的图像进行不同的控制，一般有风格约束、线条约束、姿态约束、景深控制等，不管是WebUI还是ComfyUI，都有强大ControlNet，这里不详细介绍ControlNet，主要讲下如何在ComfyUI中使用ControlNet，后续可能专门写一篇ControlNet的详细介绍。当我们采用他人创建的工作流时，有时会遇到他们所使用的一些节点我们本地并未安装，从而出现了节点缺失的问题。
从零开始：构建你的首个AI绘画ComfyUI工作流
白帽阿叁的博客
04-30 1440
从2023年下半年开始，AI绘画界出现了一颗新星——ComfyUI。这个工具以其快速、流畅的图像生成能力，以及对低配置设备的友好性，迅速在创作者中流行起来。ComfyUI的一个亮点是能够一键加载大量工作流，让用户轻松实现人像生成、背景替换和图片动画化等功能。
AIGC——ComfyUI工作流搭建、导入与常用工作流下载
知来者逆的博客
03-20 8342
ComfyUI工作流是一个基于图形节点编辑器的工作流程，通过拖拽各种节点到画布上，连接节点之间的关系，构建从加载模型到生成图像的流程。每个节点代表一个与Stable Diffusion相关的模型或功能，节点之间通过连线传递图片信息。
ComfyUI搭建使用教程
热门推荐
培根芝士的专栏
11-23 2万+
ComfyUI 是一个基于节点流程式的stable diffusion AI 绘图工具WebUI， 通过将stable diffusion的流程拆分成节点，实现了更加精准的工作流定制和完善的可复现性。ComfyUI因为内部生成流程做了优化，生成图片时的速度相较于WebUI有10%~25%的提升（根据不同显卡提升幅度不同），生成大图片的时候不会爆显存，只是图片太大时，会因为切块运算的导致图片碎裂。
ComfyUI 详细入门基础教程之（一）：安装与常用插件
qq_41187040的博客
01-22 1万+
学习ComfyUI教程，肯定对 Stable Diffusion（以下简称 SD）操作界面有所熟悉了。让我们一起谈探索ComfyUI工作流吧，它有什么魅力那？ComfyUI是什么？ComfyUI 是 一个基于节点流程的 Stable Diffusion 操作界面，可以通过流程，实现了更加精准的工作流定制和完善的可复现性。每一个模块都有特定的的功能，我们可以通过调整模块连接达到不同的出图效果。但节点式的工作流也提高了一部分使用门槛。
引领“工作流时代”的AI绘画工具！Comfyui零基础入门操作教程
A1353192296的博客
05-23 3339
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
comfyUi工作流
AiPlayerShow的博客
06-18 992
ComfyUI工作流是一个基于节点的图形用户界面（GUI），专门为Stable Diffusion设计，用于创建复杂的图像生成工作流程。在这个系统中，用户可以通过拖拽和连接不同的节点来构建从加载模型到生成图像的整个流程。
小学教辅资料，内部集训保姆级教程-教程网盘链接提取码下载.txt
12-21
项目介绍：小学教辅资料项目就是前端搞流量，后端卖资料 我们在抖音小红书上面发布图文或者视频来获取流量，内容呢就是一些小学的教辅资料 那家长看到我们的作品之后呢， 他需要完整的电子版资料，需要打印就会...
2023闲鱼无货源超详细保姆级教程-视频教程网盘链接提取码下载.txt
12-18
本课程将深入探讨2023年闲鱼无货源情况，为您提供超详细的解决方案。我们将详细介绍如何寻找替代货源、建立稳定的供应链以及利用社交媒体拓展...这是一份保姆级的教程，确保您能迅速适应并获得成功。 视频大小：772M
windows_ubuntu系统安装-手把手安装保姆级教程（清晰版）.zip
01-17
本资源适合想学习桌面系统安装的人群，安装windows、ubuntu系统入门级详细教程，内含windows微软官方系统启动盘制作、windows官方版安装保姆级教程，以及微PE启动盘制作、ubuntu系统安装详细教程。
从0开始，手把手教你ChatGPT从入门到精通（保姆级教程）.zip
05-22
第三章将介绍ChatGPT的实现，包括数据预处理、模型架构、训练和优化以及部署和应用。第四章将介绍ChatGPT的进阶应用，包括基于ChatGPT的对话生成、文本生成、推荐系统和知识图谱构建。第五章将介绍ChatGPT的行业应用...
【本地+在线】Comfyui的基本工作流的搭建----文生图+图生图
最新发布
javanaxx的博客
08-16 1444
最后的结果如下图：注：事实上，我们没有必要每次用comfyui时都来创建比这个基本骨架更加完善的工作流，你可以使用b站秋叶aaaki的comfyui整合包（点击跳转），这位大佬的整合包会在你每次启动时默认搭建好了工作流，相当方便。点击添加提示词队列：生成结果如下图：（结果，在这里没有添加任何其他的插件）
ComfyUI 本地部署指南：概念、部署过程、生成图片、共享 WebUI 模型
水滴的博客
05-20 1861
ComfyUI 是一个基于节点的 Stable Diffusion 图形化用户界面。您可以通过将不同的节点连接在一起来构建生成图像的工作流程。一些常用的节点包括加载检查点模型（Load Checkpoint）、输入提示词（CLIP Text Encode）、指定采样器（KSampler）等。ComfyUI 将工作流程分解为可重新排列的元素，以便您可以轻松创建自己的元素。
ComfyUI 初学者指南
2401_84760719的博客
05-31 3610
ComfyUI 是一个基于节点的稳定扩散 GUI。您可以通过将不同的块（称为节点）链接在一起来构建图像生成工作流程。ComfyUI 将工作流程分解为可重新排列的元素，以便您可以轻松创建自己的元素。常用的块包括加载检查点模型、输入提示、指定采样器等。您可以使用 ComfyUI 管理器来更新自定义节点。单击菜单中的管理器。单击获取更新。可能需要一段时间才能完成。单击安装自定义节点。如果有可用更新，新的更新按钮将出现在已安装的自定义节点旁边。单击更新以更新节点。6. 重新启动ComfyUI。
手把手教你搭建属于自己的pyqt5-yolov5目标检测平台(保姆级教程)
05-31
感谢您的提问！以下是手把手教您搭建属于自己的PyQt5-YOLOv5目标检测平台的保姆级教程： 1. 安装Anaconda 首先，您需要下载并安装Anaconda，Anaconda是一个 Python 数据科学平台，包含了许多常用的数据科学包，如Numpy、Pandas等。 2. 创建一个虚拟环境 在安装了Anaconda之后，您需要创建一个虚拟环境，以便隔离开发环境和系统环境。您可以在命令行中输入以下命令来创建一个名为yolov5的虚拟环境： ``` conda create -n yolov5 python=3.8 ``` 其中，“yolov5”是您的虚拟环境的名称，您可以根据自己的需要进行更改。 3. 激活虚拟环境 创建完虚拟环境之后，您需要激活它，以便在环境中进行开发。在命令行中输入以下命令来激活yolov5环境： ``` conda activate yolov5 ``` 4. 安装PyQt5和YOLOv5 在激活了虚拟环境之后，您需要安装PyQt5和YOLOv5。您可以在命令行中输入以下命令来安装它们： ``` pip install PyQt5 pip install yolov5 ``` 5. 创建PyQt5界面 在安装了PyQt5之后，您可以使用Qt Designer创建一个PyQt5界面。Qt Designer是一个可视化的界面设计工具，可以让您轻松地创建PyQt5界面。 6. 使用YOLOv5进行目标检测 在安装了YOLOv5之后，您可以使用它进行目标检测。您可以在Python脚本中使用以下代码： ```python import torch from yolov5.models.experimental import attempt_load from yolov5.utils.torch_utils import select_device device = select_device('cpu') model = attempt_load('yolov5s.pt', map_location=device) img = torch.zeros((1, 3, 640, 640), device=device) pred = model(img) print(pred) ``` 其中，“yolov5s.pt”是YOLOv5的预训练模型，您可以在YOLOv5的GitHub页面上下载它。 7. 将PyQt5界面与YOLOv5集成 最后，您需要将PyQt5界面与YOLOv5集成起来，以便您可以在界面上使用YOLOv5进行目标检测。您可以在Python脚本中使用以下代码： ```python import sys from PyQt5.QtWidgets import QApplication, QMainWindow from PyQt5.QtGui import QPixmap from yolov5.models.experimental import attempt_load from yolov5.utils.torch_utils import select_device class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle('PyQt5-YOLOv5目标检测平台') self.setGeometry(100, 100, 800, 600) self.label = QLabel(self) self.label.setGeometry(50, 50, 640, 480) self.show() if __name__ == '__main__': app = QApplication(sys.argv) window = MainWindow() sys.exit(app.exec_()) ``` 这段代码创建了一个名为“PyQt5-YOLOv5目标检测平台”的窗口，并在窗口上添加了一个标签。您可以使用这个标签来显示检测到的目标。 以上就是手把手教您搭建属于自己的PyQt5-YOLOv5目标检测平台的保姆级教程。希望对您有所帮助！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值