简介:本教程以ComfyUI为例,讲解如何部署一款16MP、6步采样的图像模型。内容包括依赖安装、权重放置、工作流搭建、采样参数设置,以及显存不足时先小图验证再分块放大的做法。读完可复现出图流程,并能快速排查常见报错。
本教程面向需要在自有或租用GPU服务器上运行高分辨率图像模型的开发者和运维人员。读完后,你可以完成以下工作:在ComfyUI中正确加载模型权重,搭建一条从提示词到图片保存的完整工作流,按6步采样设置参数,并判断生成结果是否达到16MP目标。教程同时说明显存溢出、模型找不到等常见问题的排查方法。
教程中的”16MP”指约1600万像素。例如4000×4000像素正好是1600万像素,4096×4096约为1678万像素。
开始前,请确认以下四项。
nvidia-smi能正常显示显卡信息即可。ComfyUI是开源的节点式图像生成工具。建议从官方仓库安装,并记录所用的提交哈希,方便日后复现。
git clone https://github.com/comfyanonymous/ComfyUI.gitcd ComfyUIgit rev-parse HEAD # 记录当前提交哈希python -m venv venvsource venv/bin/activatepip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121pip install -r requirements.txt
上面的PyTorch命令中,cu121表示CUDA 12.1。请替换为你环境中的CUDA版本,并以PyTorch官网的命令为准。
安装完成后,验证GPU是否可用:
python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"
输出应为True和显卡型号。如果输出False,程序会退回CPU计算,速度极慢,需要先修复驱动或PyTorch安装。
启动服务:
python main.py
默认只监听本机的8188端口。如果需要在内网其他机器访问,可以加上--listen 0.0.0.0 --port 8188。这样做会让服务暴露在网络中,ComfyUI本身不提供完善的访问控制,因此公网部署时应通过反向代理加上身份认证,并限制访问来源。
放置位置取决于权重的类型。这一步最容易出错,请先确认你拿到的文件属于哪一种。
models/checkpoints,在工作流中使用Load Checkpoint节点加载。models/diffusion_models(新版)或models/unet(旧版)。随后使用UNETLoader节点加载。文本编码器和VAE需要分别放入对应目录,并使用CLIPLoader或DualCLIPLoader、VAELoader节点加载。具体目录名以你所用版本的下拉列表为准。如果节点里看不到模型,请先检查文件类型和目录是否匹配。
磁盘空间需要同时覆盖模型文件、临时缓存和输出图片。16MP图片单张通常在数十MB量级,批量生成时增长很快,建议预留充足空间,并定期清理输出目录。
启动ComfyUI后,打开网页界面,按以下顺序添加节点并连线。
连线完成后,点击”Queue Prompt”执行一次。如果任何节点标红,先根据报错信息检查输入类型是否匹配。
本模型的推荐参数应以官方模型卡片或发布说明为准。下面给出一组起始参数,用于测试。
| 参数 | 文生图起始值 | 调整方向 |
|---|---|---|
| Steps | 6 | 如果6步收敛明显不足,按模型卡片推荐的步数重新测试,不要随意增加 |
| Sampler | euler或dpmpp_2m | 结构不稳定时换采样器,细节偏平时也可尝试 |
| Scheduler | normal或karras | 与采样器组合测试,记录哪种组合最稳定 |
| CFG | 2.0 | 从低值开始。出现结构扭曲时降低,画面发灰或缺少细节时适当提高 |
| Denoise | 1.0 | 仅用于文生图。图生图和局部重绘需要单独设置 |
在图生图和局部重绘场景中,Denoise控制对原图的改动幅度。起始值可以设为0.6,然后按以下方式调整。
建议建立一张测试记录表,每次只改变一个参数,记录同一提示词下的效果。这样比凭感觉调参更容易找到稳定组合。
直接生成4096×4096,显存风险最高。推荐分三步完成。
使用分块方式时,相邻区块需要保留重叠区域,并在拼接处做融合。如果出现明显接缝,可以增大重叠宽度,或者在拼接后用较低的Denoise做一次整图修复。第三方节点的许可证需要单独确认。
生成完成后,按以下三个方面检查。
如果没有实测数据,不要在团队文档或对外宣传中写具体耗时。
1. CUDA out of memory(显存不足)
原因:分辨率过高,或同时加载了多个模型。
处理方法:
--lowvram或--novram参数,让ComfyUI更积极地在内存和显存之间调度。这会降低速度。nvidia-smi确认显存已释放。2. 节点报错”Model not found”(找不到模型)
原因:文件放在了错误目录,或文件类型与加载节点不匹配。例如把UNET权重放进models/checkpoints,然后用Load Checkpoint加载。
处理方法:
3. 图像结构异常或布满噪点
原因:采样器、调度器或CFG与模型的推荐设置不一致。6步采样对参数更敏感,因此问题通常更明显。
处理方法:
4. 图像过饱和或细节崩坏
原因:CFG过高,或步数超出模型的设计范围。
处理方法:降低CFG,并确认Steps没有超过模型推荐值。
如果生成服务面向外部用户,上线前需要完成以下检查。
按本教程操作,你可以