02-环境搭建与安装¶

# 验证 Python 版本
python --version

# 验证 Git
git --version

# 验证 NVIDIA 驱动与 CUDA
nvidia-smi

# 1. 克隆 ComfyUI 仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 创建虚拟环境（推荐）
python -m venv venv

# Windows 激活虚拟环境
venv\Scripts\activate

# Linux/macOS 激活虚拟环境
# source venv/bin/activate

# 3. 安装 PyTorch（根据 CUDA 版本选择）
# CUDA 12.x（推荐）
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu124

# CUDA 11.8
# pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118

# 4. 安装 ComfyUI 依赖
pip install -r requirements.txt

# 5. 启动 ComfyUI
python main.py

# 启动
docker-compose up -d

# 查看日志
docker-compose logs -f

# 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 构建 Docker 镜像
docker build -t comfyui .

# 运行容器
docker run -d --gpus all \
  -p 8188:8188 \
  -v $(pwd)/models:/app/models \  # $()命令替换：执行命令并获取输出
  -v $(pwd)/output:/app/output \
  comfyui --listen 0.0.0.0

# 方法一：直接下载（浏览器/下载工具）
# 从 Hugging Face 或 Civitai 下载 .safetensors 文件
# 放入对应的 models/ 子目录

# 方法二：使用 huggingface-cli
pip install huggingface_hub
huggingface-cli download runwayml/stable-diffusion-v1-5 \
  v1-5-pruned-emaonly.safetensors \
  --local-dir ComfyUI/models/checkpoints/

# 方法三：使用 Git LFS
git lfs install
git clone https://huggingface.co/runwayml/stable-diffusion-v1-5

# 进入 ComfyUI 的 custom_nodes 目录
cd ComfyUI/custom_nodes

# 克隆 ComfyUI Manager
git clone https://github.com/ltdrdata/ComfyUI-Manager.git

# 重启 ComfyUI

# 1. 检查 NVIDIA 驱动版本
nvidia-smi

# 2. 检查 PyTorch CUDA 版本
python -c "import torch; print(torch.version.cuda)"

# 3. 确保两者兼容
# CUDA 12.x -> 需要驱动 >= 525.60
# CUDA 11.8 -> 需要驱动 >= 520.61

# 使用虚拟环境隔离
python -m venv comfyui_venv
source comfyui_venv/bin/activate  # Linux/macOS
# comfyui_venv\Scripts\activate   # Windows

# 或使用 conda
conda create -n comfyui python=3.11
conda activate comfyui

# 使用低显存模式启动
python main.py --lowvram

# 极低显存模式（性能会明显下降）
python main.py --novram

# 使用 CPU 模式（非常慢但无显存限制）
python main.py --cpu

# 进入节点目录安装依赖
cd custom_nodes/节点名称
pip install -r requirements.txt

# 或通过 Manager 重新安装

# 设置代理（如有需要）
set HTTP_PROXY=http://127.0.0.1:7890      # Windows
set HTTPS_PROXY=http://127.0.0.1:7890

# export HTTP_PROXY=http://127.0.0.1:7890  # Linux/macOS
# export HTTPS_PROXY=http://127.0.0.1:7890

# 使用国内镜像源
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 服务器部署模式
python main.py --listen 0.0.0.0 --port 8188 --disable-auto-launch

# 低显存笔记本模式
python main.py --lowvram --preview-method taesd

# 多 GPU 指定设备
python main.py --cuda-device 1

# 高性能模式
python main.py --highvram --gpu-only

# 安装 CUDA Toolkit（可选，PyTorch 自带运行时）
# 确保安装好 NVIDIA 驱动即可

# 验证 CUDA 可用
python -c "import torch; print(f'CUDA available: {torch.cuda.is_available()}'); print(f'Device: {torch.cuda.get_device_name(0)}')"

# 安装 ROCm 版 PyTorch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.0

# 安装 DirectML 支持
pip install torch-directml

# 启动时使用 DirectML
python main.py --directml

# PyTorch >= 2.0 自动支持 MPS
pip install torch torchvision torchaudio

# 验证 MPS 可用
python -c "import torch; print(torch.backends.mps.is_available())"