1. 环境准备打好地基让后续部署稳如泰山想在Ubuntu 22.04上玩转ComfyUI第一步不是急着敲代码而是把系统环境这个“地基”打牢。我见过太多朋友因为图省事跳过了基础配置结果后面驱动装不上、依赖报错折腾半天又得从头再来那感觉真是酸爽。所以咱们宁可前面多花十分钟也别后面浪费一整天。首先更换系统软件源是必须的。默认的官方源在国内访问速度感人下载个包能等到你怀疑人生。换成国内的镜像源比如清华源或者阿里云源速度直接起飞。操作很简单但别直接复制网上的命令就完事得确认你的Ubuntu版本代号。Ubuntu 22.04的代号是“Jammy Jellyfish”所以源地址里一定要有jammy这个关键词。我习惯用vim编辑sources.list文件先备份原文件是个好习惯万一改错了还能救回来。替换完源之后一定要执行sudo apt update和sudo apt upgrade这不仅是更新软件列表还能把系统已有的软件包升级到最新避免一些因版本过旧导致的兼容性问题。这个过程可能会花点时间泡杯茶等着就好。接下来是显卡驱动的“大工程”。如果你用的是英伟达NVIDIA的显卡这一步至关重要它直接决定了ComfyUI能否调用GPU进行加速。很多新手会直接用apt安装nvidia-driver-xxx这方法不是不行但有时候会遇到版本不对或者冲突。我更推荐从NVIDIA官网下载对应显卡型号和系统版本的.run安装包手动安装这样最干净控制权也最大。在安装新驱动前务必把旧驱动清理干净用sudo apt-get remove --purge nvidia*这条命令可以卸载得比较彻底。还有一个关键点要禁用系统自带的nouveau开源驱动否则会和NVIDIA驱动冲突。编辑黑名单配置文件加上两行禁用语句然后更新内核并重启这一步不能省。重启后如果能看到字符界面而不是黑屏基本就成功了一半。最后运行nvidia-smi看到显卡信息表格跳出来心里那块石头才算落地。表格里会显示驱动版本、CUDA版本以及显卡的实时状态这个命令以后会经常用到。2. 安装CUDA与conda构建AI创作的“核心引擎”环境搞定了接下来就要安装两个核心工具CUDA和conda。你可以把CUDA理解为显卡干“AI计算”这类重活的专用指令集和工具库而conda则是为我们管理Python环境和各种软件包的“大管家”。CUDA的安装需要和你的显卡驱动版本匹配。从nvidia-smi命令输出的右上角可以看到当前驱动支持的CUDA最高版本。比如显示“CUDA Version: 12.4”那么你安装CUDA 12.4就是最稳妥的。我一般直接从NVIDIA开发者网站下载对应版本的runfile本地安装包。安装过程中有个关键细节安装程序通常会捆绑安装显卡驱动。因为我们之前已经手动装好了驱动所以一定要在安装选项里取消勾选Driver组件只安装CUDA Toolkit。如果不小心又装了一遍驱动很可能把原来稳定的驱动覆盖掉引发各种奇怪问题。安装完成后需要将CUDA的路径添加到系统的环境变量中这样系统才知道去哪里找这些命令和库文件。编辑~/.bashrc文件在末尾加上两行导出语句然后source一下让它生效。最后用nvcc -V验证一下能输出CUDA编译器版本信息就成功了。然后是conda的安装。我强烈推荐Miniconda它只包含conda、Python和一些基础包非常轻量比完整的Anaconda灵活多了。下载安装脚本后一路回车安装路径我建议就用默认的家目录下的miniconda3简单省事。安装完成后同样需要把conda的bin目录路径添加到环境变量这样才能在任意终端窗口里使用conda命令。之后执行conda init bash初始化它会自动配置shell启动脚本以后打开终端就能自动进入base环境非常方便。用conda -V检查一下版本确保安装无误。conda装好后的第一件事就是配置国内镜像源。道理和换Ubuntu源一样能极大提升包下载速度。将conda的渠道channels添加为清华或中科大的镜像地址并且设置conda config --set show_channel_urls yes这样以后安装包时就能清楚地看到是从哪个镜像站下载的心里有数。别忘了也给pip配上国内源因为很多Python包最终还是通过pip安装的。这一套组合拳下来后续创建环境和安装依赖的速度会快很多能节省大量等待时间。3. 部署ComfyUI从克隆到启动的完整流程核心引擎就位现在终于可以请出今天的主角——ComfyUI了。它的部署流程其实非常清晰跟着步骤走基本不会出错。第一步是获取源代码。直接使用git clone命令从官方GitHub仓库克隆。如果网络连接GitHub不畅克隆速度很慢有个小技巧在仓库地址前加上https://mirror.ghproxy.com/这个代理镜像前缀速度会有显著改善。克隆完成后你会得到一个ComfyUI的文件夹所有操作都在这个目录下进行。第二步是创建独立的Python虚拟环境。这是Python项目开发的最佳实践我强烈建议为ComfyUI单独创建一个环境与系统Python和其他项目环境隔离开。用conda可以轻松完成conda create -n comfyui python3.10。这里指定Python 3.10是因为它和当前ComfyUI及主要AI库的兼容性比较好。环境创建好后使用conda activate comfyui激活它。你会注意到终端提示符前面变成了(comfyui)这表示你已经在这个独立的环境里了接下来所有pip安装的包都会装在这个“小房子”里不会影响到别人。第三步是安装PyTorch和项目依赖。这是最关键的一步。首先安装PyTorch一定要安装与你的CUDA版本匹配的PyTorch。比如你装的是CUDA 12.1那么pip安装命令里就需要指定cu121的索引。官方PyTorch网站提供了生成对应命令的工具直接复制过来用最保险。安装完PyTorch后可以进入Python交互模式输入import torch; print(torch.cuda.is_available())来测试GPU是否可以被PyTorch正常识别和使用返回True就是成功了。接下来在ComfyUI目录下安装其所需的其余依赖包命令是pip install -r requirements.txt。这个requirements.txt文件列出了所有必需的Python库。安装过程可能会花一些时间取决于你的网络和包数量。最后一步就是启动ComfyUI了。进入ComfyUI目录直接运行python main.py即可启动默认服务。但这里有几个非常实用的启动参数我推荐你加上--listen 0.0.0.0这个参数允许从其他机器通过IP地址访问你的ComfyUI服务。如果你只在本地电脑上使用可以不加但如果你是在云服务器或者局域网里另一台机器上部署想让别的电脑也能访问就必须加上它。--port xxxx指定服务运行的端口号比如--port 8188。默认是8188如果这个端口被占用了你可以换成别的比如8080、15070都行。--highvram或--lowvram如果你的显卡显存很大比如24G以上可以使用--highvram模式以获得更好性能如果显存比较紧张比如8G使用--lowvram模式可以优化显存使用防止爆显存。启动成功后终端会输出本地访问地址通常是http://127.0.0.1:端口号。如果你使用了--listen 0.0.0.0那么在同一局域网下的其他电脑就可以通过浏览器访问http://你的服务器IP地址:端口号来打开ComfyUI的图形界面了。看到那个熟悉的节点式操作界面恭喜你部署成功了4. 性能优化与进阶配置让你的ComfyUI飞起来部署成功只是开始怎么让它跑得更快、更稳、更顺手才是体现功夫的地方。根据我的经验有几个优化点效果立竿见影。首先是虚拟环境的固化。我们辛辛苦苦配好的环境万一系统重装或者环境搞乱了怎么办一个好习惯是用conda env export environment.yaml命令将当前comfyui环境的所有包及其精确版本导出到一个YAML文件中。以后需要重建环境时只需要执行conda env create -f environment.yaml就能一键复现完全相同的环境省去了无数排查依赖版本冲突的麻烦。其次是模型文件的放置与管理。ComfyUI默认的模型下载目录是ComfyUI/models/。我建议在这里面建立清晰的子文件夹比如checkpoints放基础大模型、loras放LoRA模型、vae放VAE模型、controlnet放ControlNet模型等。这样结构清晰便于管理。很多模型可以从Hugging Face等社区网站下载直接放入对应文件夹然后在ComfyUI的界面中刷新一下就能加载使用了。对于体积巨大的模型文件动辄几个G可以考虑使用软链接ln -s将其链接到ComfyUI的模型目录而实际文件存放在空间更大的硬盘分区上这样既节省了系统盘空间又不影响使用。关于性能调优除了启动时的--highvram参数在ComfyUI的WebUI设置里通常通过右上角的齿轮图标进入也有一些有用的选项。比如“GPU显存分配策略”可以尝试不同的选项来看哪个最适合你的工作流。对于复杂的工作流启用“持续缓存”有时能提升重复执行的效率。另外如果你发现生成图片时CPU占用率异常高而GPU利用率上不去可以检查一下是否在系统中正确安装了xformers库。这个库能显著优化Transformer模型在GPU上的计算效率。可以在激活的comfyui环境中尝试用pip安装对应CUDA版本的xformers。最后是后台运行与自动化。我们不可能一直开着终端窗口。使用像systemd或者screen这样的工具可以让ComfyUI在后台稳定运行。创建一个简单的systemd服务文件定义好启动命令、工作目录、重启策略等就能实现开机自启、崩溃自动重启非常省心。对于经常使用的复杂工作流别忘了ComfyUI支持将整个节点流程保存为.json或.png文件。下次使用时直接加载这个文件所有节点和参数都会自动恢复效率倍增。部署和优化ComfyUI的过程就像搭积木和调试精密仪器。每一步都有它的道理踩坑也是学习的一部分。我最开始部署时也曾因为CUDA版本不匹配导致PyTorch认不到GPU因为忘了禁用nouveau而黑屏。但把这些坑都踩过一遍之后再遇到问题你就能很快定位到原因。现在你的Ubuntu 22.04系统上应该已经有了一个运行流畅、配置得当的ComfyUI环境了接下来就是尽情探索AI图像生成的无限可能用节点连接你的创意。