【免费下载】 ComfyUI-SUPIR安装与使用指南
一、项目目录结构及介绍
ComfyUI-SUPIR 是一个专为 ComfyUI 设计的SUPIR(Scaling Up to Excellence)超分辨率增强插件。这个项目帮助用户在ComfyUI环境中轻松实现基于SUPIR模型的图像上采样。以下是该项目的基本目录结构以及各部分简介:
ComfyUI-SUPIR/
├── github/workflows # GitHub Actions 的工作流程配置
├── configs # 存放SUPIR相关的配置文件
├── examples # 示例工作流程,展示如何使用本插件
├── options # 可选设置或参数示例
├── sgm # 可能涉及特定算法或组件的代码
├── .gitattributes # Git属性文件,定义文件处理方式
├── .gitignore # 忽略文件列表
├── CKPT_PTH # 模型路径相关脚本或指示
├── pyCKPT_PTH.py # Python脚本,可能用于管理模型路径
├── LICENSE # 许可证文件
├── README.md # 主要的项目说明文件
├── __init__.py # Python包初始化文件
├── nodes.py # 包含ComfyUI节点定义的核心代码
├── nodes_v2.py # 新版本的节点定义,可能是对原nodes.py的改进或扩展
└── requirements.txt # Python依赖库列表,用于环境搭建
二、项目的启动文件介绍
本项目并非通过一个典型的“启动文件”进行运行,而是作为ComfyUI的一部分集成。要启用并使用ComfyUI-SUPIR,您首先需确保已正确安装了ComfyUI。之后的集成步骤主要涉及到以下两步:
-
将项目复制到ComfyUI的自定义节点目录:通常这需要将整个
ComfyUI-SUPIR目录复制到ComfyUI安装路径下的custom_nodes中。 -
安装Python依赖:通过运行
requirements.txt文件中的指令来安装必要的Python库。对于标准安装,使用命令行工具执行:pip install -r requirements.txt若使用ComfyUI的便携版,则运行:
python_embedded/python.exe -m pip install -r ComfyUI/custom_nodes/ComfyUI-SUPIR/requirements.txt
三、项目的配置文件介绍
项目的主要配置并不体现在单一的配置文件中,而是在于如何使用和调用configs目录下的各种设定来适配SUPIR模型。用户可以通过修改这些配置实例或者在ComfyUI界面中调整节点参数来定制化上采样的行为。例如,您可以根据需要选择不同的SUPIR模型、设置上采样的倍数(scale_by)、决定是否使用特定的预处理步骤等。
特别地,模型加载时主要依赖于ComfyUI的标准模型存放路径ComfyUI/models/checkpoints,意味着用户需自行下载SUPIR及相关SDXL模型,并放置于此路径下。此外,若要优化性能或内存使用,可通过环境变量或额外配置来启用或禁用如xformers这类加速库。
请注意,本指南为简化说明,具体使用过程还需参考项目内的README.md文件以及ComfyUI的文档,以获取最新的使用指导和注意事项。
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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00