AIGC——ComfyUI 安装与基础使用

简介

ComfyUI是一个基于节点流程的稳定扩散操作界面,通过流程实现了更加精准的工作流定制和完善的可复现性。每个模块都有特定的功能,我们可以通过调整模块连接来实现不同的出图效果。然而,节点式的工作流也提高了一定的使用门槛。同时,由于内部生成流程经过优化,生成图片的速度相较于Web UI有明显提升,并且对显存的要求也更低(4GB即可良好运行)。

感兴趣可加入:566929147 企鹅群一起学习讨论

ComfyUI 与 Stable Diffusion Webui 相比有以下几点区别:

  1. 界面设计

    • Stable Diffusion UI 使用 Web UI,提供了直观友好的图形界面,适合初学者和非技术人员使用。
    • ComfyUI 则采用了基于节点流程的界面设计,更注重工作流程的定制和可控性,适合有一定技术背景和逻辑思维的用户使用。
  2. 功能定制

    • Stable Diffusion UI 提供了一系列预定义的功能和选项,用户可以直接使用,但定制性相对较低。
    • ComfyUI 允许用户自定义工作流程,通过连接不同的模块实现更加精准和复杂的图像生成,具有更高的灵活性和定制性。
  3. 操作门槛

    • Stable Diffusion UI 操作相对简单,用户无需太多技术背景即可上手使用。
    • ComfyUI 的操作门槛较高,需要用户具备一定的逻辑思维和技术能力,因为需要理解和构建节点流程。
  4. 速度和资源消耗

    • 由于 ComfyUI 内部生成流程经过优化,生成图片的速度相对较快,并且对显存的要求更低,适合在资源受限的环境中运行。
  5. 优势:

对显存要求相对较低,启动速度快,出图速度快。
具有更高的生成自由度。
可以与Web UI共享环境和模型。
可以构建自己的工作流程,导出流程并分享给他人,在发生错误时也能清晰地发现错误发生在哪一步。
导入生成的图片后会还原整个工作流程,并且模型也会被预先选择。

  1. 劣势:
    操作门槛较高,需要清晰的逻辑。
    生态系统没有Web UI多(虽然常用的都有),但也有一些专为ComfyUI开发的有趣插件。

下载和安装

1.从git上安装

首先,从 GitHub 上下载了作者提供的整合包,该包已经包含了所需的环境和依赖,这样就不需要我们自己去部署,对于编程新手来说是一种福利。

可以通过以下链接访问 ComfyUI:ComfyUI链接。

在页面的中间位置,可以找到“Installing”部分,然后点击下面的“Direct link to download”文字按钮进行下载。
在这里插入图片描述
安装包下载完成后,将其解压到适当的位置。打开文件夹,会看到一个名为“run_nvidia_gpu”的文件,双击即可启动 ComfyUI。然而,需要注意的是,解压后可能会发现里面并没有包含任何模型。
在这里插入图片描述

2.秋叶整合包安装

秋叶大佬的用户也制作了一个 ComfyUI 整合包,其中内置了许多常用插件。这是因为 ComfyUI 插件系统相对比较混乱,如果自行安装可能会产生配置冲突。下面是度盘上分享了秋叶大佬的整合包:
链接:https://pan.baidu.com/s/1oJ6evCRY6szdO_rEn5t2fw 提取码:tq95

模型配置

1. 模型位置

这时以秋叶整合包为例子,ComfyUI已经配置好环境和依赖,但是缺少必要的模型文件。为了使用ComfyUI,需要将相应类型的模型文件放置到指定的位置:

  1. 将大模型放入以下路径:

    xxx\ComfyUI\models\checkpoints
    
  2. 将VAE模型放入以下路径:

xxx\ComfyUI\models\vae


3. 将Lora模型放入以下路径:

xxx\ComfyUI\models\loras


确保将模型文件放置到正确的目录中,以便ComfyUI可以正确加载和使用这些模型。
![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/7933897f8c6141fbb37837748ef1d34a.png)
### 2.共享模型
如果已经装 Web UI 可以使 ComfyUI 和Web UI共用一套模型,以防复制大量模型浪费空间。在ComfyUI目录中找到这个叫做 extra_model_paths.yaml.example的文件:
![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/fa0217304f2145dcb83ebe1ebea19f71.png)将此文件重命名为 extra_model_paths.yaml (去掉.example),修改完成后用文本编辑器打开。把里面base_path:的路径改成需要共享的webui的安装地址。controlnet 是否修改取决于controlnet 模型安装在哪个目录,我这里是“extensions\sd-webui-controlnet\models”,更改之后如下面:```bash
a111:base_path: D:/DL/sd-webui-aki-v4.5/checkpoints: models/Stable-diffusionconfigs: models/Stable-diffusionvae: models/VAEloras: |models/Loramodels/LyCORISupscale_models: |models/ESRGANmodels/RealESRGANmodels/SwinIRembeddings: embeddingshypernetworks: models/hypernetworkscontrolnet: extensions/models/ControlNet

启动与使用

启动完成之后会是一个空的窗口,在这里要添加工作流或者导入一个别人整理好的工作流:
在这里插入图片描述
加载一个文生图工作流:
在这里插入图片描述
选择要用的模型、输入相关的提示词,就可以生成第一张图像:
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/740082.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一条 sql 语句可能导致的表锁和行锁以及死锁检测

锁 MDL 当对一个表做增删改查操作的时候,加 MDL 读锁;当要对表做结构变更操作的时候,加 MDL 写锁 ALTER TABLE tbl_name NOWAIT add column ... ALTER TABLE tbl_name WAIT N add column ... …

Deep Q-Networks(DQN)

Deep Q-Networks(DQN)是一种将深度学习技术与Q学习算法相结合的强化学习方法。通过使用深度神经网络来近似Q函数,DQN能够有效地处理具有高维状态空间的复杂问题,这在传统的Q学习方法中是难以实现的。DQN的提出标志着强化学习在处理…

jeecg 启动 微服务 更改配置本地host地址

1. windows系统下,在开始—运行里面输入(找不到运行菜单可直接按WinR键): C:\WINDOWS\system32\drivers\etc ,如图所示: 2. 用记事本 打开这个文件 在最下面输入这个即可

根据索引策略对elasticsearch中的索引进行管理(附带图文教程)

前言 这是我在这个网站整理的笔记,有错误的地方请指出,关注我,接下来还会持续更新。 作者:神的孩子都在歌唱 一. 索引生命周期简介 想要了解更多可以看 : 索引生命周期 1.1 索引生命周期五种阶段 (1)Hot…

初学者必会的Python3文件操作

文件操作的步骤: 打开文件 -> 操作文件 -> 关闭文件 切记:最后要关闭文件。 打开文件 文件句柄 open(文件路径, 模式) 指定文件编码 文件句柄 open(文件路径,模式,encodingutf-8) 为了防止忘记关闭文件,可以使用上下文管理器来…

不知道显卡型号 用什么方法可以知道具体型号要下载驱动

环境: Win10 专业版 问题描述: 不知道显卡型号 用什么方法可以知道具体型号要下载驱动 解决方案: 通过以下几种方法来获取: 1.使用操作系统自带的设备管理器:在Windows操作系统中,你可以打开设备管理…

深入解析Java内存模型

一、背景 并发编程本质问题是:CPU、内存以及IO三者之间的速度差异。CPU速度快于内存、内存访问速度又远远快于IO,根据木桶理论,程序性能取决于最慢的操作,即IO操作。这样会出现CPU和内存交互时,CPU性能无法被充分利用…

GIS学习笔记(四):GIS数据可视化综合(矢量数据)

矢量数据 arcgis的主要可视化工具:属性 符号系统 符号系统 按类别 这里不会涉及到数字的大小因素,只是按照字符的分类去做可视化 “唯一值”的含义 “建筑年代”字段共有10个年份,一个年份也许有多个数据( eg.1990年的建筑有20个)&…

DayDreamInGIS 之 ArcGIS Pro二次开发 锐角检查

功能:检查图斑中所有的夹角,如果为锐角,在单独的标记图层中标记。生成的结果放在默认gdb中,以 图层名_锐角检查 的方式命名 大体实现方式:遍历图层中的所有要素(多部件要素分别处理)&#xff0…

C语言字符函数和字符串函数

前言 今天这篇博客咱们一起来认识一些特殊的函数,在编程的过程中,我们经常要处理字符和字符串,为了方便字符和字符串,C语言提供了一些库函数,让我们一起看看这些函数都有什么功能吧!!&#xff0…

基础刷题50之八(数组元素积的符号)

文章目录 前言一、题目二、力扣官方解释文心一言解释总结 前言 刚上研一,有人劝我好好学C,当时用的不多就没学,现在毕业上班了。在此亡羊补牢了 在此感谢力扣和文心一言 一、题目 数组元素积的符号 已知函数 signFunc(x) 将会根据 x 的正负…

python读取execl里的图片

正常的读取图片 from openpyxl import load_workbook from PIL import Imagefrom openpyxl import load_workbook wb load_workbook(rC:\Users\Administrator\Downloads\output1111.xlsx) ws wb[wb.sheetnames[0]] for image in ws._images:data image.anchor._fromif image…

深耕大屏营销领域的酷开科技,为品牌方带来更多的收益

互联网作为一种新的发展趋势,更是为我们提供了无数的机会和无限可能性,从电子商务时代到社交网络时代,价值文化也成为了品牌与消费者之间紧密联系的关键纽带。而在此背景下,OTT大屏拥有着独特的优势,作为OTT行业内的独…

数据库三大范式设计原则

数据库三大范式 第一范式(确保每列保持原子性) 第一范式是最基本的范式。如果数据库表中的所有字段值都是不可分解的原子值,就说明该数据库表满足了第一范式。 第二范式(确保表中的每列都和主键相关) 第二范式在第一范式的基础之上更进一层。第二范式需要确保数据…

网络工程师——2024自学

一、怎样从零开始学习网络工程师 当今社会,人人离不开网络。整个IT互联网行业,最好入门的,网络工程师算是一个了。 什么是网络工程师呢,简单来说,就是互联网从设计、建设到运行和维护,都需要网络工程师来…

03在ESP-IDF中使用C++面向对象编程

在ESP-IDF中使用C和C进行混合编译 ESP-IDF是Espressif Systems开发的官方IoT开发框架,用于编程和开发ESP32系列的微控制器。虽然ESP-IDF主要使用C语言编写,但它也支持使用C进行开发 为什么要进行混合编译? C是一种功能强大的编程语言&…

【NR 定位】3GPP NR Positioning 5G定位标准解读(十五)-UL-TDOA 定位

前言 3GPP NR Positioning 5G定位标准:3GPP TS 38.305 V18 3GPP 标准网址:Directory Listing /ftp/ 【NR 定位】3GPP NR Positioning 5G定位标准解读(一)-CSDN博客 【NR 定位】3GPP NR Positioning 5G定位标准解读(…

Linux:时间指令 - cal date

Linux:时间指令 - cal & date date指令cal指令 date指令 date用于以指定格式显示时间 我们先看看直接输入date指令的效果: [hxyiZ2zehtehrgzt3wqccrpyfZ CSDN]$ date Tue Mar 12 21:38:01 CST 2024直接输入date指令,得到了以 星期 月 日…

C#,数值计算,解微分方程的龙格-库塔二阶方法与源代码

1 微分方程 含有导数或微分的方程称为微分方程,未知函数为一元函数的微分方程称为常微分方程。 微分方程的阶数 微分方程中导数或微分的最高阶数称为微分方程的阶数。 微分方程的解 使得微分方程成立的函数称为微分方程的解。 微分方程的特解 微分方程的不含任意常数的解称…

蚂蚁集团2025届暑期实习开始啦~

蚂蚁集团2025届暑期实习开始啦~欢迎大家投递信贷事业群-风险管理部的算法岗,找我内推哦~社招也有hc,欢迎大家沟通!