【亲测免费】 ComfyUI_TensorRT 安装和配置指南

1. 项目基础介绍和主要编程语言

项目介绍

ComfyUI_TensorRT 是一个用于在 NVIDIA RTX™ 显卡上优化 Stable Diffusion 性能的开源项目。它通过利用 NVIDIA TensorRT 技术，显著提升图像生成速度和效率。该项目支持多种 Stable Diffusion 版本，包括 SDXL、SDXL Turbo、Stable Video Diffusion 等。

主要编程语言

该项目主要使用 Python 语言进行开发。

2. 项目使用的关键技术和框架

关键技术

• NVIDIA TensorRT: 用于优化 AI 模型在 NVIDIA RTX GPU 上的性能。
• Stable Diffusion: 支持多种版本的 Stable Diffusion 模型，包括 SDXL、SDXL Turbo 等。

框架

• ComfyUI: 一个用户友好的界面，用于管理和运行 Stable Diffusion 模型。

3. 项目安装和配置的准备工作和详细安装步骤

准备工作

1. 硬件要求:

   • 需要 NVIDIA RTX™ 显卡。
   • 对于 SDXL 和 SDXL Turbo，推荐使用至少 12 GB VRAM 的 GPU。
   • 对于 Stable Video Diffusion (SVD)，推荐使用至少 16 GB VRAM 的 GPU。
   • 对于 Stable Video Diffusion-XT (SVD-XT)，推荐使用至少 24 GB VRAM 的 GPU。

2. 软件要求:

   • 安装 Python 3.x。
   • 安装 Git。

详细安装步骤

步骤 1: 克隆项目仓库

首先，打开终端并克隆 ComfyUI_TensorRT 仓库到本地：

git clone https://github.com/comfyanonymous/ComfyUI_TensorRT.git

步骤 2: 进入项目目录

进入克隆的项目目录：

cd ComfyUI_TensorRT

步骤 3: 安装依赖

使用 pip 安装项目所需的依赖：

pip install -r requirements.txt

步骤 4: 配置 ComfyUI

将克隆的项目文件夹移动到 ComfyUI 的 custom_nodes 目录下。假设你的 ComfyUI 安装在 ~/ComfyUI 目录下：

mv ComfyUI_TensorRT ~/ComfyUI/custom_nodes/

步骤 5: 启动 ComfyUI

启动 ComfyUI 并加载 TensorRT 节点：

cd ~/ComfyUI
python main.py

步骤 6: 构建 TensorRT 引擎

在 ComfyUI 界面中，按照以下步骤构建 TensorRT 引擎：

1. 添加一个 Load Checkpoint 节点。
2. 添加一个 Static Model TensorRT Conversion 或 Dynamic Model TensorRT Conversion 节点。
3. 将 Load Checkpoint 节点的输出连接到 TensorRT Conversion 节点的输入。
4. 提供一个有意义的文件名前缀，并点击 Queue Prompt 开始构建 TensorRT 引擎。

步骤 7: 使用 TensorRT 引擎

使用 TensorRT Loader 节点加载构建好的 TensorRT 引擎，并连接到相应的采样器节点进行图像生成。

注意事项

• 首次生成 TensorRT 引擎可能需要较长时间，后续生成会更快。
• TensorRT 引擎目前不兼容 ControlNets 或 LoRAs，未来版本将支持这些功能。

通过以上步骤，你就可以成功安装和配置 ComfyUI_TensorRT，并在 NVIDIA RTX 显卡上享受更高效的 Stable Diffusion 图像生成体验。