ComfyUI 跨平台部署完整教程从首次安装到出第一张图【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUIComfyUI 是一个用节点图方式操作扩散模型的界面、API 与后端在浏览器里把节点连起来就能跑通一条出图流程。这篇文章讲 ComfyUI 硬件兼容与跨平台部署的实际做法NVIDIA、AMD、Intel、Apple Silicon以及昇腾、寒武纪等国产芯片的安装路径外加显存模式和 FP16/FP8 精度的选择逻辑让你照着在自己机器上跑出第一张图。首次安装按显卡选对 PyTorch大多数设备未找到的报错栽在 PyTorch 装错了后端。PyTorch 是深度学习计算库它有分 NVIDIA / AMD / Intel 的不同构建装错版本显卡对 ComfyUI 就是隐形的。动手前先确认三件事显卡型号、操作系统、驱动版本然后对号入座。所有卡型通用的准备步骤git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUINVIDIA安装路径最稳的一条NVIDIA 走 CUDANVIDIA 提供的 GPU 编程计算接口路线装官方 CUDA 版 PyTorch 再装项目依赖pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu129 pip install -r requirements.txt然后python main.py启动浏览器会自动打开界面。多张 NVIDIA 卡想指定其中一张python main.py --cuda-device 0⚠️ 调参数之前先跑nvidia-smi看一眼驱动版本。驱动太旧时升级驱动比改任何参数都有效。AMD 卡安装 ROCm 版 PyTorchAMD 对应的软件栈叫 ROCm让 PyTorch 能跑在 AMD 显卡上的开放软件层Linux 上支持最好pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.4你的卡不在官方支持列表里时用环境变量覆盖显卡架构编号RDNA2 填 10.3.0RDNA3 填 11.0.0export HSA_OVERRIDE_GFX_VERSION10.3.0Windows 上的 AMD 卡改用 DirectML 后端Windows 侧的通用推理接口启动时加一个开关就行python main.py --directmlIntel 显卡oneAPI 接口Intel 核显/独显走 oneAPIIntel 的统一设备接口指定用 GPUpython main.py --oneapi-device-selector gpu如果是较新的 Arc 独显XPU装 xpu 版 PyTorch 即可comfy/model_management.py会自己检测到不需要额外参数。苹果 M 芯片一键启动macOS 12 以上装常规 PyTorch 就能跑Metal 加速是内置的python main.py没有需要额外配的。M 系列是统一内存16GB 以上内存跑 SDXL 级别的模型没问题8GB 内存建议加--lowvram启动。ComfyUI 怎么认出你的硬件先说个前提默认情况下你不需要配置很多。每次启动时comfy/model_management.py会做设备探测和显存统计依次检查 CUDA、ROCm、昇腾 NPU、寒武纪 MLU、Intel XPU 是否可用再读出显存总量来决定加载模式。默认策略是动态显存——运行时盯着空闲显存把模型分块搬进搬出所以大多数主流显卡裸跑python main.py就能直接用。真正需要你手动出场的只有两种情况多卡环境里探测选错了卡或者显存紧张、需要往下压。精度怎么选FP16、FP8、BF16精度指存一个权重用几个位位越多越精确但越占地方、越慢。ComfyUI 默认按硬件自动决定显存不够时才需要你手动降。三个选项用途各不相同FP16--fp16-unet。扩散模型显存占用约减半多数显卡的首选。FP8--fp8_e4m3fn-unet。权重按 8 位存储比 FP16 再省一档显存。只适合新架构NVIDIA Ada 及以后老卡硬开需要加--supports-fp8-compute强制 ComfyUI 按支持 FP8 计算处理确认你的卡真的支持再用。BF16--bf16-unet。给不太支持 FP16 的硬件兜底。判断顺序很简单显存够就别动交给自动紧张就先加--fp16-unet还装不下再上--fp8_e4m3fn-unet。文本编码器和 VAE 也有对应参数--fp8_e4m3fn-text-enc、--fp16-vae逻辑相同但 VAE 用低精度容易出黑图不建议急着动。低显存模式怎么选ComfyUI 显存不足时显存模式参数集中在comfy/cli_args.py里每个只做一件事--highvram模型用完不回退到系统内存全程留在显存里。16GB 以上显存用来换速度。--lowvram把文本编码器挪到 CPU 上跑动态显存开启时此参数不生效。--novram扩散模型切块、逐段计算4GB 以下显存的最后手段。--cpu-vaeVAE 解码把潜在变量变成图像那一步放到 CPU 跑解码阶段爆显存的常见救法。--reserve-vram 2给系统和别的应用预留 2GB 显存。--disable-smart-memory关掉模型在显存与内存间的自动腾挪用于频繁切换反而卡的情况。⚠️ 别一把全加。模式越激进速度越慢一次加一档能跑就停再试着退掉之前那档。爆显存报错时的常用组合拳python main.py --lowvram --cpu-vae --fp16-unet还不行就补--novram再不行且只是想验证流程用--cpu纯 CPU 跑很慢仅用于调试。也别忘了换更小的模型SD1.5 级别参数救不了的内存天花板模型大小可以救。ComfyUI 昇腾 NPU 与寒武纪接入国产芯片的探测逻辑是现成的comfy/model_management.py启动时会尝试导入torch_npu昇腾扩展和torch_mlu寒武纪扩展读到设备就用对应接口统计显存。昇腾环境pip install torch_npu python main.py寒武纪环境pip install torch_mlu python main.py 两点实操提醒。其一国产芯片的 PyTorch 扩展版本必须与芯片厂商配套发布对齐装不上时先核对版本矩阵确认扩展本身可用可以跑python -c import torch_npu; print(torch.npu.device_count())。其二这类硬件的精度支持范围比 NVIDIA 窄从 FP16 或 FP32 起步FP8 先别碰。性能调优注意力后端与精度组合速度瓶颈大头在交叉注意力计算它有多套可切换的实现定义在comfy/cli_args.py。按这个顺序试NVIDIA 卡先试--use-flash-attention硬件优化实现不行再换--use-sage-attention。通用显卡用--use-pytorch-cross-attentionPyTorch 2.0 原生实现兼容性最稳。NVIDIA 上的常用组合python main.py --fp16-unet --use-pytorch-cross-attentionAMD 卡还可以打开 PyTorch 的自动调优TunableOp让运行时自己给算子挑最优实现export PYTORCH_TUNABLEOP_ENABLED1 export TORCH_ROCM_AOTRITON_ENABLE_EXPERIMENTAL1最后两个不要钱的动作批处理别开太大用--reserve-vram给系统留点余量。机器弱的情况下先降显存模式再调注意力顺序反了基本白调。常见报错找不到设备、黑图、显存爆找不到设备 / CUDA 报错九成是 PyTorch 后端不匹配。先跑python -c import torch; print(torch.cuda.is_available())打印 False 就回去核对驱动和 PyTorch 版本AMD 用户再确认HSA_OVERRIDE_GFX_VERSION有没有生效。显存不足OOM别急着重启按--lowvram→--cpu-vae→--novram的顺序逐个加方法见低显存那一节。黑图或 NA 图多半是精度问题。加--force-upcast-attention或者把--fp16-unet撤掉对比测试。速度慢确认精度已开、注意力后端已选、批次不大并检查是不是正跑在--novram模式里。收工清单装之前确认显卡型号、操作系统、驱动版本三件事再选对应的 PyTorch 安装命令。第一次运行用裸参数启动出问题再逐个加--fp16-unet、--lowvram、--cpu-vae一次只加一个。卡住时看启动日志里的设备探测信息确认 ComfyUI 实际认到了哪张卡、读到多少显存。【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考