当前位置：首页 > news >正文

基于 ComfyUI 的 Stable Diffusion 本地部署与使用教程（Windows + CUDA12.0）

news 2025/10/28 7:16:42

前言

随着生成式人工智能技术的迅猛发展，基于 ComfyUI 的节点化工作流正成为图像创作的新趋势。ComfyUI 不仅采用了直观可视化的「搭砖块」方式来构建生成流程，而且能够灵活加载诸如 Stable Diffusion v1.5 这样强大的扩散模型，从而在本地 GPU 环境中高效、安全地生成高质量图像。本文旨在面向 Windows + CUDA 12.0 + cuDNN 8.9 环境，结合 Python 3.11.3，提供一份详细、清晰的 ComfyUI 配置与使用指南。无论你是初次尝试 AI 绘画还是希望搭建一个可扩展的本地创作平台，都可按本教程逐步操作，真正实现「在本地运行、可控生成、多模型切换」的创作体验。

一、环境准备

1. 安装 Python 、Git 、CUDA 与 cuDNN。

安装 Python
在安装 Python 3.11.3（以及上版本）时，如果你懒得手动配置环境变量，一定要在安装程序最开始的一个界面上勾选 “Add python.exe to PATH” 这个选项。

检验python安装结果。
安装 Git （用于从 GitHub 中克隆源码）
对于小白：Git安装教程直接搜索一下吧，顺带看一下Git的使用教程。
安装CUDA 与 cuDN
本人已安装 CUDA 12.0 与 cuDNN 8.9（CUDA12.0以及对应版本cuDNN详细安装教程）

2. 安装支持 CUDA 的 PyTorch

若有旧版本PyTorch先卸载可能已安装的版本：

pip uninstall torch torchvision torchaudio

然后安装支持 CUDA 11.8 的 PyTorch 版本（示例命令，你可根据 CUDA 12.0 查找更合适的版本，但很多教程推荐 cu118）：

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

这一步确保 PyTorch 能调用你的 GPU。

注意：本人虽然用的是 CUDA 12.0，但是官方 whl 可能没有 “cu120” 分类，所以此时选择了用 cu118 这个常见且可用的方案。

二、克隆 ComfyUI 源码 + 安装依赖

1. 克隆 ComfyUI 源码

通过Github网址你可以看到 ComfyUI 源码内容。我们需要将源码通过Git进行拉取

于目标文件夹内右键打开 Open Git Bash here

输入指令，等待拉取。

git clone https://github.com/comfyanonymous/ComfyUI

✅拉取完成

2. 安装依赖

进入源码 ComfyUI 根目录后，执行：

pip install -r requirements.txt

等待时间可能较长。

二、配置 Stable Diffusion 模型 v1.5 + ❗❗ 启动 ComfyUI

1. 下载模型

下载 StableDiffusion v1.5 模型：
https://hf-mirror.com/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors
直接复制链接通过浏览器打开进行下载，此处使用的是huggingface镜像下载链接，提高下载速度。请确保你已成功下载 v1-5-pruned.safetensors 文件。

2. 放置模型至 ComfyUI 目录

在 ComfyUI 源码目录下新建目录（如尚未有）：

ComfyUI\models\checkpoints\

将你下载的 v1-5-pruned.safetensors 放入 models\checkpoints\ 文件夹。

注：“将下载的模型文件放在 …\models\checkpoints 文件夹”
建议你对于版本管理，可以再在 checkpoints 下建子文件夹，例如：
models\checkpoints\SD1.5\
这样便于管理多个模型版本。

3. ❗❗ 启动 ComfyUI 并验证模型可用

在 ComfyUI 源码根目录执行（命令行）：

python main.py

✅如果一切正常，命令行会显示类似：

To see the GUI go to: http://127.0.0.1:8188

✅在浏览器中打开对应网址 http://127.0.0.1:8188/ 后，恭喜你已经完成安装并且成功打开。打开的页面情况如下。

（端口可能默认为 8188）
打开浏览器访问 http://localhost:8188，如果看到 ComfyUI 界面即启动成功。
此时，在界面中选中 “Load Checkpoint” 节点，应当可见你放入的 v1-5-pruned.safetensors 模型选项。若不可见，请检查文件是否放在正确目录。

❗❗如果你只是为了安装配置ComfyUI与Stable Diffsion模型，到这一步就可以了。

❗❗如果你只是为了安装配置ComfyUI与Stable Diffsion模型，到这一步就可以了。

❗❗如果你只是为了安装配置ComfyUI与Stable Diffsion模型，到这一步就可以了。

可以看一下下文的 “三、（可选）安装 ComfyUI Manager（管理自定义节点）” 如果扩展节点、插件、自定义工作流，安装 ComfyUI Manager 很有用。

对于 “四、（使用）首次运行文本→图像（Text-to-Image）流程” 涉及使用，本人还没有完全弄明白操作流程，建议去别处再看看。

三、（可选）安装 ComfyUI Manager（管理自定义节点）

虽然你只是想简单用 Stable Diffusion 生成图像，但如果未来想扩展节点、插件、自定义工作流，安装 ComfyUI Manager 很有用。通过Github网址你可以看到 ComfyUI-Manager 源码内容。我们需要将源码通过Git拉取到custom_nodes文件夹中。

于custom_nodes文件夹内右键打开 Open Git Bash here。（或者通过github直接下载压缩包解压后放入）

输入指令，等待拉取。

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

✅拉取完成
重启 ComfyUI 界面（关闭命令行窗口后重新执行 python main.py）
界面顶部应出现 “Manager” 按钮，用于安装／更新节点、模型。

注意：如果未显示 Manager，可能是 Git 未安装或任务目录结构不正确。

也可能是 toml 缺少依赖。在custom_nodes文件夹中运行cmd添加依赖。
pip install toml GitPython requests packaging

四、（使用）首次运行文本→图像（Text-to-Image）流程

以下流程基于你已将 v1.5 模型加载成功。

1. 在 ComfyUI 界面中，加载默认工作流

如果界面打开后看不到任何节点图，可以点击右侧 “Load Default” 按钮，加载默认 text2img 工作流。

2. 确保 “Load Checkpoint” 节点已指向你的 SD1.5 模型

点击该节点，模型名称下拉框应显示你之前放入的 v1-5-pruned 模型，选择它。

3. 配置生成参数

在节点 “KSampler” 或类似节点中，设置步数（Steps）、分辨率（如 512×512）、随机种子（Seed）、正向提示（Positive Prompt）和负向提示（Negative Prompt）等。
根据教程，步数越高、采样越充分，但运行时间越长。
确保分辨率适合你的 GPU VRAM（例如 512×512 或 768×768 若 VRAM 足够）。

4. 点击 “Queue Prompt” 或 “Run” 开始生成

系统将运行采样，输出图像。
输出完成后，可在 ComfyUI 界面中查看、保存图像。

5. 进阶：尝试 Img2Img、Upscale、ControlNet 等

若想更复杂，可尝试基于图片输入 (Img2Img)、使用放大器 (Upscale)、加入 ControlNet 等节点。教程中亦有介绍。

6. 常见问题排查

若模型不出现在下拉框：确认模型文件是否在正确路径、是否为支持格式 (.ckpt 或 .safetensors)。
若启动失败或报错：确认 PyTorch 是否正确安装、CUDA 驱动是否匹配、Python 环境是否为你预期版本。
若 GPU 占用过高或出错：可尝试 “–force-fp16” 启动选项以降低精度。

五、推荐的补充配置与优化

建议为不同模型版本创建子目录（比如 SD1.5、SDXL 等）以便今后管理。
可通过 ComfyUI Manager 安装额外的自定义节点（如 LoRA、ControlNet、Live Portrait 等），扩展功能。
如果你希望 ComfyUI 界面从局域网其他设备访问，可在启动时加参数：
```
python main.py --listen 0.0.0.0
```
这样可使用机器的 IP 在同一网段浏览。
若想让 Python 环境更可控，建议使用 virtualenv 或 conda 方式，而不是系统全局安装。
对于 VRAM 较少的显卡，可考虑减少生成分辨率或步数，或启用 fp16 模式。
定期从 GitHub 更新 ComfyUI 源码：
```
git pull
pip install -r requirements.txt
```
或通过 ComfyUI Manager 进行“Update All”。

六、完整操作流程（按顺序）

安装 Python 3.11.3、Git、CUDA 12.0 与 cuDNN 8.9。
安装 GPU 支持版 PyTorch。
克隆 ComfyUI 仓库。
安装依赖：pip install -r requirements.txt。
下载 Stable Diffusion v1.5 模型文件（如 v1-5-pruned.safetensors）。
将模型文件放入 ComfyUI\models\checkpoints\ 目录。
启动 ComfyUI：python main.py。
在浏览器访问 http://localhost:8188 界面打开。
加载默认工作流，选择模型，设置参数。
点击运行，生成图像。
（可选）安装 ComfyUI Manager，扩展节点功能。
根据需要，通过 Manager 或手动更新、安装自定义节点。
若扩展到 Img2Img、Upscale、ControlNet，可加载相应流程并调整节点。
若想跨设备访问，启动时加 --listen 0.0.0.0。
若模型或节点有更新，定期 git pull 并重启。

七、注意事项

模型版权／许可：你下载的模型需确认其使用许可。
GPU VRAM 限制：高分辨率、高步数会占用大量 GPU 内存，建议先从 512×512、50 步数起。
操作系统权限：Windows 防火墙可能阻止 ComfyUI 端口访问，首次运行时注意允许。
安全备份：如果你未来安装大量自定义节点／模型，建议经常备份 models 文件夹与 custom_nodes 目录。
故障排查时可参考CSDN。

八、总结

通过上述流程，你即可在 Windows + CUDA 12.0 + cuDNN 8.9 环境下，使用 Python 3.11.3 来运行 ComfyUI 并加载 Stable Diffusion v1.5 模型。这样你就拥有一个本地、可控、支持 GPU 的生成式 AI 图像创作平台。以后如想扩展为 Img2Img、多模型切换、ControlNet、LoRA 等，也可在此基础上继续扩展。

转载吱一声~

查看全文

http://www.dtcms.com/a/536038.html