喂饭级教程！ComfyUI本地部署超详细指南

摘要：大家好，欢迎来到本节的 ComfyUI 课程！本节课的主要内容是 ComfyUI 在本地的安装。首先我们来看下本节课的课程大纲。

大家好，欢迎来到本节的 ComfyUI 课程！本节课的主要内容是 ComfyUI 在本地的安装。首先我们来看下本节课的课程大纲。

系统：

推荐使用 Windows10 或 Windows11 系统；如何查看自己电脑的操作系统呢？

内存：

内存大小建议：最低 8G，越大越好。

查看系统内存容量：设备规格/机带 RAM：表示电脑的内存容量，如果小于 8G，建议购买内存条对内存进行扩充。

显卡

建议使用英伟达 40 系列显卡，8G 容量是最低要求，建议 16G，可以在价格和性能取一个平衡。

查看显卡型号：

显示：NVIDIA GeForce RTX 4070 Ti SUPER

查看显卡容量：

查看路径：任务管理器/性能/GPU/专用 GPU 内存：

表示 GPU 容量为 16G

硬盘

建议最低 1T 空间，越大越好，ComfyUI 需要下载各种各样的大模型或插件，这些文件一般都比较大，随着 ComfyUI 的使用，电脑磁盘会越来越小，所以建议大家购买一个移动硬盘，专门用来 ComfyUI 的工作空间，这样既不会影响电脑磁盘的使用，而且还非常灵活便捷。

电源

最低 400~600 瓦左右

主板

无要求

CPU

无要求

① 前往官网：https://git-scm.com/

② 下载软件安装包

在下载之前，我们先确认一下操作系统的位数：

可知：操作系统的位数为 64 位。

注意：要下载和操作系统位数一致的安装包！！！这里下载 64 位的安装包。

③ 安装 git

双击安装包，进行安装

我们需要记住安装的目录，因为我们需要将 git 写入环境变量。

④ 设置 git 环境变量

⑤ 检查是否安装成功

按住：Ctrl + x 组合键打开：

输入 cmd，并点击确定按钮

输入 git -v，如果输出 git version 2.47.1.windows.1 表示 git 安装成功了。

python 是 ComfyUI 运行环境，要求选择 3.10 及以上版本进行下载和安装

① 前往官网：https://www.python.org/downloads/

② 下载 python 安装包

下载 3.11.9 版本的 python，这里注意要下载和操作系统位数一致的安装包。

③ 安装 python

双击 python 安装包，就可以开始安装 python 了

这里我们重新制定一个 python 安装目录，注意尽量不要放在 C 盘，之后再点击 Install，然后就是一直 Next 就可以了

④ 设置 python 环境变量

采用和 Git 一样的做法，将 Python 放在环境变量里。

⑤ 检查是否安装成功

cmd 中输入 python -V，如果输出对应版本号，说明 python 安装成功了。

前往官网： https://visualstudio.microsoft.com/zh-hans/

① 查看是否已经安装显卡驱动

按下 “Windows + X” 组合键，选择 “设备管理器”；或者按下 “Win + R” 键打开 “运行” 对话框，输入 “devmgmt.msc” 并按回车打开设备管理器。在设备管理器中，找到并展开 “显示适配器” 选项。如果显卡驱动已经装好，会显示显卡的详细信息，包括驱动程序的提供商和版本号；若驱动未装好或存在问题，则可能会显示黄色警告符号、问号，或者显示为 “标准 VGA 显示适配器”“未知设备” 等

② 如果没有安装，前往官网： https://www.NVIDIA.cn/geforce/drivers/

③ 下载之后，安装即可

CUDA 是 Compute Unified Device Architecture（计算统一设备架构）的缩写。

它是 NVIDIA（英伟达）公司推出的一种并行计算平台和编程模型，用于在 NVIDIA 的 GPU（图形处理器）上进行通用计算。这个架构使得 GPU 不再仅仅局限于图形渲染任务，还能够高效地执行各种复杂的计算任务，如科学计算、深度学习中的矩阵运算、数据处理等众多需要大规模并行计算的场景。

① 查看 cuda 是否已经安装

cmd 命令行执行命令：nvcc -V

nvcc -V 显示的是你实际安装的 CUDA 的版本。

② 查看适配的 CUDA 型号

cmd 打开命令行：执行命令：nvidia-smi

这里展示 CUDA 的版本号是与当前 GPU 驱动（driver）程序兼容的 CUDA 运行时版本。这是驱动程序支持的最高 CUDA 版本，并不是系统上安装的 CUDA 的版本，基于向下兼容的原则，可以安装比这里展示版本小的 CUDA,不能安装比这个版本高的 CUDA，比如说安装 12.8 版本的 CUDA，就会报错。

如果没有安装 CUDA 或者需要升级 CUDA 版本，可以通过下面的方式进行安装：

③ 前往 CUDA 官网

网址：https://developer.nvidia.com/cuda-toolkit

获取以往版本：

我们选择 CUDA Toolkit 12.4.0 这个版本进行下载。下载之后双击即可进行安装。

④ 验证是否安装成功

cmd 命令行执行命令：nvcc -V

说明 CUDA 已经安装成功了。

cuDNN 和 CUDA 是由英伟达提供的两个互补的工具，CUDA 提供了基础的 GPU 加速计算能力，而 cuDNN 则在 CUDA 之上构建，是深度学习框架（如 TensorFlow、Pytorch、Caffe 等）中的关键组件，能够显著提升训练和推理的速度和效率。所以我们想要激活显卡更强的画图性能。

① 前往官网下载

网址：https://developer.nvidia.com/cudnn-downloads

因为我们的 CUDA 的大版本是 12，所以我们设置好上面的条件之后，就可以点击 Download 进行下载了。

② 解压下载好的 cuDNN 压缩包

里面包含下图所示的三个文件夹：

打开 CUDA 的安装文件夹（默认是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4），将上面 cuDNN 解压的三个文件 bin、include 和 lib 分别复制粘贴到 CUDA 的文件夹中，如下图所示：

文件替换好后则 cuDNN 即为安装完成。

前往官网： https://github.com/comfyanonymous/ComfyUI

下载安装包专用解压工具： https://7-zip.org/

下载 comfyui 后，使用 7z 压缩包工具进行解压，结果过程比较慢，耐心等待。在启动 ComfyUI 之前，我们还需要给整合包安装加速组件：pytorch、onnxruntime、xformers。它们可以让 ComfyUI 更快的运行。

① 前往官网

网址：https://pytorch.org/get-started/locally/

② 执行下载安装命令

按照上面的条件设置好后，复制最下方的命令：

SQL pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

调出 cmd，执行上面的命令，也可以指定清华源，加速下载和安装：

Plain Textpip3 install pip -Upip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simplepip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

如果在安装过程中遇到问题，可以尝试先删除已安装的相关库，再重新安装，如 pip3 uninstall torch torchvision torchaudio。另外，不同的国内源在不同地区和网络环境下的速度可能会有所不同，可以根据实际情况进行选择。

版本判断

如何判断 onnxruntime 需要的版本：

网站：https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html