ComfyUI-LivePortraitKJ项目在MacBook Pro M2上的兼容性问题解析

问题背景

在使用ComfyUI-LivePortraitKJ项目时，MacBook Pro M2用户可能会遇到一个特定的运行时错误："User specified an unsupported autocast device_type 'mps'"。这个问题主要与PyTorch在Apple Silicon设备上的兼容性有关。

技术分析

该错误的核心在于PyTorch的自动混合精度(autocast)功能在MPS(Metal Performance Shaders)设备上的支持情况。MPS是Apple为自家芯片提供的GPU加速框架，但在某些PyTorch版本中，autocast功能尚未完全适配MPS设备。

具体错误发生在尝试使用torch.autocast时指定了'mps'作为设备类型，而当前PyTorch版本(2.3.1)尚未支持这种配置。错误堆栈显示，问题出现在LivePortraitWrapper类的get_kp_info方法中，当它尝试使用半精度浮点数(fp16)进行计算时触发了这个限制。

解决方案

针对这个问题，项目维护者提供了明确的解决方案：

1. 修改数据类型设置：在加载器节点(loader node)中，将数据类型(dtype)从fp16改为fp32
2. 使用自动模式：或者设置为auto，让系统自动选择合适的数据类型

这个调整的必要性在于：

• MPS设备目前对fp32(单精度浮点)运算支持更完善
• 虽然fp16可以提供性能优势，但在兼容性优先的情况下，fp32是更稳妥的选择

实施建议

对于Mac用户，特别是使用Apple Silicon芯片(M1/M2系列)的设备，建议：

1. 检查工作流中所有涉及精度设置的节点
2. 确保在可能涉及MPS加速的环节使用fp32而非fp16
3. 如果性能成为瓶颈，可以尝试分批处理或优化其他参数

技术延伸

这个问题反映了跨平台深度学习开发中的常见挑战：

• 不同硬件架构对计算精度的支持差异
• 框架对新硬件的适配周期
• 性能与兼容性的权衡

随着PyTorch对MPS支持的不断完善，未来版本可能会原生解决这个问题。但在当前阶段，手动调整精度设置是最直接的解决方案。

总结

MacBook Pro M2用户在使用ComfyUI-LivePortraitKJ项目时遇到'autocast device_type mps'错误，本质上是PyTorch在MPS设备上对混合精度支持的限制。通过将计算精度从fp16调整为fp32，可以绕过这个限制，确保项目正常运行。这提醒开发者在跨平台部署时需要特别注意硬件特定的兼容性问题。