ComfyUI 部署指南Windows、Linux、macOS 三平台一次跑通【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI想从一条提示词生成图片并且能精确调整管线里每一步——模型、LoRA、采样器、VAE——就需要 ComfyUI这个节点图形式的扩散模型工具。ComfyUI 部署的核心是三件事装好运行时、放对模型、验证出图本文在 Windows、Linux、macOS 三个平台上完整覆盖这三步。先认识一下它解决什么问题ComfyUI 把生成的每一步拆成节点再用连线组合加载 Checkpoint → 加载 LoRA → KSampler 采样 → VAE 解码 → 保存图像。同一套节点体系既能出图也能做视频、音频和 3D工作流可以存成 JSON 反复复用。几个值得先知道的特性可完全离线运行核心默认不下载任何内容加--disable-api-nodes强制全离线智能管理显存/内存支持模型 offload 与量化权重小显存卡也能跑原生支持主流开源模型SD 1.5 / SDXL / SD 3.5、Flux.1 / Flux.2、Wan、LTX-Video、Hunyuan3D 等硬件与软件要求合并如下项目最低推荐GPU4 GB 显存NVIDIA / AMD / Intel / Apple Silicon8 GB 以上CPU4 核8 核以上内存8 GB16 GB磁盘20 GB含模型50 GB 以上Python3.10 以上3.13 支持最好3.13PyTorch2.7 以上NVIDIA 20 系及以上显卡必须 cu130 或更高最新稳定版最小成本跑起来三条路径按上手成本从低到高任选其一即可。路径 A桌面应用Windows / macOS零命令行从官方下载页拿到 Windows 或 macOS 桌面版解压即用无需自建 Python 环境与安装 PyTorch首次运行会自动补齐必要组件。官方 README 也把它列为新手首选是看到第一张出图最快的路径。路径 BWindows 便携包下载ComfyUI_windows_portable_nvidia.7z发行包用 7-Zip 解压到任意目录。该包内置 Python 3.13 与 PyTorch CUDA 13.0另有 AMD、Intel 两个专属版本10 系老显卡用..._nvidia_cu126.7zPython 3.12。解压后双击run_nvidia_gpu.bat启动模型文件放入ComfyUI\models\checkpoints路径 C手动安装全平台主流程只写这一次克隆仓库并创建虚拟环境以下三步在 Windows、Linux、macOS 上完全一致git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI python -m venv venv激活虚拟环境Windows 执行venv\Scripts\activateLinux / macOS 执行source venv/bin/activate先装 PyTorch 再装其余依赖。NVIDIA 显卡执行pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130 pip install -r requirements.txt启动python main.py分平台差异速查只记录三处差异共性步骤一律沿用路径 C 的主流程。事项WindowsLinuxmacOS激活虚拟环境venv\Scripts\activatesource venv/bin/activatesource venv/bin/activate准备 Python官方安装器装 3.13sudo apt install git python3.13 python3.13-venvUbuntu/DebianHomebrewbrew install python3.13加速后端CUDA / ROCm / DirectMLCUDA / ROCm / XPUApple Silicon 用 MPSIntel 芯片仅 CPUNVIDIA三平台通用建议安装 cu130 版本20 系及以上显卡必须用 cu130 或更高的 PyTorch且 PyTorch 超过 6 个月就该更新。AMDLinux装好 ROCm 后执行pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.2显卡未被官方支持时启动前覆盖架构版本号即可RDNA2如 RX 6700用HSA_OVERRIDE_GFX_VERSION10.3.0 python main.pyRDNA3如 RX 7600用HSA_OVERRIDE_GFX_VERSION11.0.0 python main.py。想提速可加环境变量PYTORCH_TUNABLEOP_ENABLED1代价是首次运行明显变慢。macOSApple SiliconM1 至 M4按 Apple 官方 Accelerated PyTorch training on Mac 指南安装最新版 PyTorch nightly之后沿用主流程。Intel 芯片 Mac 安装 CPU 版 PyTorch 后用python main.py --cpu启动。常见坑Windows 上便携包解压失败时右键文件 → 属性 → 取消解除锁定启动直接闪退先更新 NVIDIA 驱动。模型放哪、路径怎么配默认放置目录仓库根目录下模型类型目录检查点models/checkpoints/VAEmodels/vae/LoRAmodels/loras/ControlNet / t2i 适配器models/controlnet/文本编码器models/text_encoders/若模型已存放在其他界面如 A1111里不必搬动文件。把示例配置extra_model_paths.yaml.example重命名为extra_model_paths.yaml再编辑ComfyUI 启动时会自动加载a1111: base_path: D:/stable-diffusion-webui/ checkpoints: models/Stable-diffusion vae: models/VAE loras: | models/Lora models/LyCORIS controlnet: models/ControlNettext_encoders、controlnet等键支持竖线|罗列多个目录完整键值列表可查folder_paths.py。便携包中该文件同样位于 ComfyUI 根目录操作一致。启动参数与三步自检常用参数参数说明--listen允许网络访问不带参数表示监听全部 IPv4/IPv6也可指定 IP--port 8888修改端口默认 8188--cpu全部走 CPU速度慢--lowvram/--novram显存不足时的降级档位前者不够再用后者--preview-method auto启用 latent 预览taesd 可出高质量预览--disable-api-nodes禁用 API 节点前端也不联网完全离线--tls-keyfile--tls-certfile启用 HTTPS三步自检从启动日志到成功出图看日志启动成功后会打印To see the GUI go to http://127.0.0.1:8188且无红色报错浏览器打开该地址把一份工作流 JSON 拖进画布仓库blueprints/下有可直接拖入的模板按CtrlEnter排队生成完成后output/目录可取图把生成的 PNG 拖回页面还能还原完整工作流与种子想要高质量预览把 TAESD 解码器权重放进models/vae_approx再以--preview-method taesd启动。排错速查显存不足、CUDA 报错、依赖冲突怎么查症状原因处理报错Torch not compiled with CUDA enabled装到了无 CUDA 的 PyTorch 构建pip uninstall torch后按 NVIDIA 一节命令重装CUDA out of memory显存不够加--lowvram仍不行用--novram或降低分辨率、启用--fp8_e4m3fn-unet压缩 unet 权重Linux 下 AMD 卡识别异常、画面错误ROCm 未适配该卡架构启动前加HSA_OVERRIDE_GFX_VERSION取值见上文 AMD 一节便携包解压失败或无法启动Windows文件被系统锁定或驱动过旧右键 → 属性 → 解除锁定更新 NVIDIA 驱动自定义节点缺依赖、版本冲突环境污染或 Python 版本不匹配重建 venv 后pip install -r requirements.txt --upgrade个别节点要求旧 Python 时改用 3.12Python 3.13 与个别自定义节点依赖不兼容时退回 3.12 通常即可解决。下一步出图成功后建议从blueprints/里的模板工作流入手逐个节点读一遍需要管理自定义节点时装好依赖pip install -r manager_requirements.txt后用python main.py --enable-manager启动。日常更新执行git pull pip install -r requirements.txt --upgrade【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ComfyUI 部署指南：Windows、Linux、macOS 三平台一次跑通
ComfyUI 部署指南Windows、Linux、macOS 三平台一次跑通【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI想从一条提示词生成图片并且能精确调整管线里每一步——模型、LoRA、采样器、VAE——就需要 ComfyUI这个节点图形式的扩散模型工具。ComfyUI 部署的核心是三件事装好运行时、放对模型、验证出图本文在 Windows、Linux、macOS 三个平台上完整覆盖这三步。先认识一下它解决什么问题ComfyUI 把生成的每一步拆成节点再用连线组合加载 Checkpoint → 加载 LoRA → KSampler 采样 → VAE 解码 → 保存图像。同一套节点体系既能出图也能做视频、音频和 3D工作流可以存成 JSON 反复复用。几个值得先知道的特性可完全离线运行核心默认不下载任何内容加--disable-api-nodes强制全离线智能管理显存/内存支持模型 offload 与量化权重小显存卡也能跑原生支持主流开源模型SD 1.5 / SDXL / SD 3.5、Flux.1 / Flux.2、Wan、LTX-Video、Hunyuan3D 等硬件与软件要求合并如下项目最低推荐GPU4 GB 显存NVIDIA / AMD / Intel / Apple Silicon8 GB 以上CPU4 核8 核以上内存8 GB16 GB磁盘20 GB含模型50 GB 以上Python3.10 以上3.13 支持最好3.13PyTorch2.7 以上NVIDIA 20 系及以上显卡必须 cu130 或更高最新稳定版最小成本跑起来三条路径按上手成本从低到高任选其一即可。路径 A桌面应用Windows / macOS零命令行从官方下载页拿到 Windows 或 macOS 桌面版解压即用无需自建 Python 环境与安装 PyTorch首次运行会自动补齐必要组件。官方 README 也把它列为新手首选是看到第一张出图最快的路径。路径 BWindows 便携包下载ComfyUI_windows_portable_nvidia.7z发行包用 7-Zip 解压到任意目录。该包内置 Python 3.13 与 PyTorch CUDA 13.0另有 AMD、Intel 两个专属版本10 系老显卡用..._nvidia_cu126.7zPython 3.12。解压后双击run_nvidia_gpu.bat启动模型文件放入ComfyUI\models\checkpoints路径 C手动安装全平台主流程只写这一次克隆仓库并创建虚拟环境以下三步在 Windows、Linux、macOS 上完全一致git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI python -m venv venv激活虚拟环境Windows 执行venv\Scripts\activateLinux / macOS 执行source venv/bin/activate先装 PyTorch 再装其余依赖。NVIDIA 显卡执行pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130 pip install -r requirements.txt启动python main.py分平台差异速查只记录三处差异共性步骤一律沿用路径 C 的主流程。事项WindowsLinuxmacOS激活虚拟环境venv\Scripts\activatesource venv/bin/activatesource venv/bin/activate准备 Python官方安装器装 3.13sudo apt install git python3.13 python3.13-venvUbuntu/DebianHomebrewbrew install python3.13加速后端CUDA / ROCm / DirectMLCUDA / ROCm / XPUApple Silicon 用 MPSIntel 芯片仅 CPUNVIDIA三平台通用建议安装 cu130 版本20 系及以上显卡必须用 cu130 或更高的 PyTorch且 PyTorch 超过 6 个月就该更新。AMDLinux装好 ROCm 后执行pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.2显卡未被官方支持时启动前覆盖架构版本号即可RDNA2如 RX 6700用HSA_OVERRIDE_GFX_VERSION10.3.0 python main.pyRDNA3如 RX 7600用HSA_OVERRIDE_GFX_VERSION11.0.0 python main.py。想提速可加环境变量PYTORCH_TUNABLEOP_ENABLED1代价是首次运行明显变慢。macOSApple SiliconM1 至 M4按 Apple 官方 Accelerated PyTorch training on Mac 指南安装最新版 PyTorch nightly之后沿用主流程。Intel 芯片 Mac 安装 CPU 版 PyTorch 后用python main.py --cpu启动。常见坑Windows 上便携包解压失败时右键文件 → 属性 → 取消解除锁定启动直接闪退先更新 NVIDIA 驱动。模型放哪、路径怎么配默认放置目录仓库根目录下模型类型目录检查点models/checkpoints/VAEmodels/vae/LoRAmodels/loras/ControlNet / t2i 适配器models/controlnet/文本编码器models/text_encoders/若模型已存放在其他界面如 A1111里不必搬动文件。把示例配置extra_model_paths.yaml.example重命名为extra_model_paths.yaml再编辑ComfyUI 启动时会自动加载a1111: base_path: D:/stable-diffusion-webui/ checkpoints: models/Stable-diffusion vae: models/VAE loras: | models/Lora models/LyCORIS controlnet: models/ControlNettext_encoders、controlnet等键支持竖线|罗列多个目录完整键值列表可查folder_paths.py。便携包中该文件同样位于 ComfyUI 根目录操作一致。启动参数与三步自检常用参数参数说明--listen允许网络访问不带参数表示监听全部 IPv4/IPv6也可指定 IP--port 8888修改端口默认 8188--cpu全部走 CPU速度慢--lowvram/--novram显存不足时的降级档位前者不够再用后者--preview-method auto启用 latent 预览taesd 可出高质量预览--disable-api-nodes禁用 API 节点前端也不联网完全离线--tls-keyfile--tls-certfile启用 HTTPS三步自检从启动日志到成功出图看日志启动成功后会打印To see the GUI go to http://127.0.0.1:8188且无红色报错浏览器打开该地址把一份工作流 JSON 拖进画布仓库blueprints/下有可直接拖入的模板按CtrlEnter排队生成完成后output/目录可取图把生成的 PNG 拖回页面还能还原完整工作流与种子想要高质量预览把 TAESD 解码器权重放进models/vae_approx再以--preview-method taesd启动。排错速查显存不足、CUDA 报错、依赖冲突怎么查症状原因处理报错Torch not compiled with CUDA enabled装到了无 CUDA 的 PyTorch 构建pip uninstall torch后按 NVIDIA 一节命令重装CUDA out of memory显存不够加--lowvram仍不行用--novram或降低分辨率、启用--fp8_e4m3fn-unet压缩 unet 权重Linux 下 AMD 卡识别异常、画面错误ROCm 未适配该卡架构启动前加HSA_OVERRIDE_GFX_VERSION取值见上文 AMD 一节便携包解压失败或无法启动Windows文件被系统锁定或驱动过旧右键 → 属性 → 解除锁定更新 NVIDIA 驱动自定义节点缺依赖、版本冲突环境污染或 Python 版本不匹配重建 venv 后pip install -r requirements.txt --upgrade个别节点要求旧 Python 时改用 3.12Python 3.13 与个别自定义节点依赖不兼容时退回 3.12 通常即可解决。下一步出图成功后建议从blueprints/里的模板工作流入手逐个节点读一遍需要管理自定义节点时装好依赖pip install -r manager_requirements.txt后用python main.py --enable-manager启动。日常更新执行git pull pip install -r requirements.txt --upgrade【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考