零基础玩转ComfyUI:从安装到进阶的避坑指南
2026-05-06 09:50:11作者:钟日瑜
副标题:面向AI绘画爱好者的ComfyUI全流程配置手册,教你用最强大的节点式界面轻松构建稳定扩散工作流
准备工作:启动前的环境检查
硬件兼容性自查
💡 我建议先确认你的设备是否满足基本要求:
- GPU:推荐NVIDIA显卡(显存≥4GB),AMD或CPU也可运行但速度较慢
- 内存:至少8GB RAM(16GB以上体验更佳)
- 存储空间:预留20GB以上(含模型文件)
必备软件安装
- 安装Python 3.8+(编程语言,用于运行ComfyUI后端)
- 💡 建议使用3.10版本,兼容性最佳
- 安装Git(版本控制工具,用于获取项目代码)
- (Windows用户)安装7-Zip(用于解压压缩包)
系统适配:三大平台的安装实战
Linux系统安装步骤
-
获取项目代码
git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI💡 这行命令会将项目下载到当前目录并进入项目文件夹
-
创建虚拟环境(可选但推荐)
python -m venv venv source venv/bin/activate -
安装依赖包
pip install -r requirements.txt⚠️ 如果出现PyTorch相关错误,请访问PyTorch官网获取对应系统的安装命令
-
准备模型文件
- 将下载的Stable Diffusion模型(.ckpt或.safetensors格式)复制到
models/checkpoints目录 - 💡 首次使用可先下载SDXL基础模型,体积适中且效果好
- 将下载的Stable Diffusion模型(.ckpt或.safetensors格式)复制到
-
启动应用
python main.py
Windows系统安装步骤
-
下载项目压缩包并解压
- 💡 推荐使用7-Zip右键解压,避免中文路径
-
安装依赖
- 双击
install_dependencies.bat文件自动安装所需包
- 双击
-
放置模型文件
- 将模型文件复制到
models\checkpoints文件夹
- 将模型文件复制到
-
启动程序
- 双击
run_nvidia_gpu.bat(NVIDIA用户) - 或
run_cpu.bat(无GPU用户)
- 双击
macOS系统安装要点
-
安装PyTorch
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cpu -
后续步骤同Linux系统 ⚠️ M1/M2芯片用户需使用Rosetta2转译运行
配置优化:让ComfyUI更好用
模型路径配置
-
复制配置文件模板
cp extra_model_paths.yaml.example extra_model_paths.yaml -
编辑配置文件
- 使用文本编辑器打开
extra_model_paths.yaml - 添加自定义模型路径,格式如下:
comfyui: checkpoints: ["/path/to/your/models"]💡 这样可以让ComfyUI识别非默认路径的模型文件
- 使用文本编辑器打开
界面个性化设置
- 启动后访问 http://127.0.0.1:8188
- 在设置面板中调整:
- 主题颜色(深色/浅色)
- 节点默认大小
- 自动保存频率
验证安装:确认一切正常
基础功能测试
- 启动ComfyUI后,在浏览器中打开界面
- 加载默认工作流(左上角"Load"按钮)
- 点击"Queue Prompt"按钮运行
- 预期结果:在
output目录生成示例图像,类似下图:
节点系统验证
查看节点编辑界面是否正常显示各类参数选项:
常见问题速查表
| 问题现象 | Windows解决方法 | Linux解决方法 | macOS解决方法 |
|---|---|---|---|
| 启动时报错"缺少torch" | 重新运行install_dependencies.bat | 执行pip install torch | 安装PyTorch nightly版 |
| 模型无法加载 | 检查models/checkpoints路径 | 确认文件权限chmod 644 *.safetensors | 检查文件是否完整 |
| 界面无响应 | 关闭防火墙重试 | 检查8188端口是否被占用 | 重启终端并重试 |
| 生成速度慢 | 切换到GPU模式 | 安装CUDA工具包 | 使用--force-cpu参数 |
拓展应用:从入门到进阶
推荐首批安装的扩展
- 自定义节点市场:
custom_nodes目录放置社区节点 - 模型管理工具:安装ComfyUI-Manager扩展
cd custom_nodes git clone https://gitcode.com/.../ComfyUI-Manager
性能优化技巧
- 使用TAESD模型加速预览:将taesd_encoder.pth放入
models/vae_approx - 启用模型量化:修改
comfyui_version.py中的量化参数 - 设置显存优化:在启动命令后添加
--lowvram参数
⚠️ 注意:高级优化可能影响生成质量,请先备份配置文件
通过以上步骤,你已经掌握了ComfyUI的基本安装配置方法。接下来可以尝试搭建自己的第一个图像生成工作流,探索节点组合的无限可能!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220

