ComfyUI 中RAM内存、VRAM显存、GPU 的占用和原理
1、 内存（Memory / RAM）
指 CPU 主内存（系统 RAM）。
在 ComfyUI 中用于：
存放加载的模型权重副本（部分模式下）。
保存处理中的图片（如加载大批量高分图时）。
运行 Python 和 ComfyUI 本体时的工作内存。
不足时影响加载速度、会导致频繁交换硬盘、可能卡顿或报错。
2、 显存（VRAM / GPU Memory）
指 GPU 显卡的专用内存（VRAM）。
在 ComfyUI 中用于：
推理时存放模型权重（如 UNet、VAE、ControlNet、Flux）。
推理中产生的中间特征图（尤其高分辨率 / 超分放大时极大）。
GPU 张量运算时缓存（PyTorch 会保留部分用于加速下一次推理）。
显存不足是导致“OutOfMemoryError”、掉线、崩溃的最常见原因。
3、GPU 的占用（核心/计算资源）
指 GPU 内核（CUDA 核心）的运算负载，通常以 GPU 利用率（%） 表示。
在 ComfyUI 中：
执行推理（超分、生成、编码、解码）时会高负载（接近 100%）。
空闲等待时占用极低（0-10%）。
长时间持续高负载（如连续跑高分图不休息）可能导致：
GPU 温度过高，触发降频。
GPU 驱动失效，导致 ComfyUI 掉线。
4、三者的关系
| 资源 | 作用 | 不足时表现 |
|---|---|---|
| 内存（RAM） | 缓存大批量图片、部分模型副本 | 卡顿、swap、系统卡死 |
| 显存（VRAM） | 推理权重和中间张量存储 | OOM、报错、ComfyUI 崩溃 |
| GPU 占用（计算核心） | 实际执行推理运算 | 持续 100% 会掉线 |
5、 实际在 ComfyUI 中作用模式
ComfyUI 不会主动释放 GPU 显存（除非卸载模型或调用 empty_cache）。
PyTorch 在推理后通常保留缓存以便下次使用（默认行为）。
当执行下一张图推理时：
如果可用显存不足以分配新的张量，就会 OOM 报错。
即使 GPU 利用率是空闲状态，显存仍被占用。
通过：
torch.cuda.empty_cache()TeaCache、EmptyCache、CleanCacheNode
可释放可回收的缓存，但已被引用的张量不会释放。
6、如何避免溢出和掉线
✅ 分批处理，避免一次处理过多大图。
✅ 限制分辨率，避免超分时张量爆显存。
✅ 每张图处理后自动释放缓存（CleanCacheNode 等）。
✅ 每批结束 Sleep 2-5 秒，让 GPU 温度回落。
✅ 使用 --lowvram、--precision full 启动参数适应低显存。
✅ 显存紧张时避免同时加载多个大型模型。