直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

OpenArt的ComfyUI怎么打开

回答

要打开 OpenArt 的 ComfyUI，您可以按照以下步骤进行操作：

  1. 准备相关模型和工作流：
    • t5xxl_fp16.safetensors 和 clip_l.safetensors 下载地址：https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main 。t5xxl 分为 fp16 和 fp8，如果内存超过 32GB，用 fp16 的，没超过则用 fp8 的。
    • ae.safetensors 和 flux1-dev.safetensors 下载地址：https://huggingface.co/black-forest-labs/FLUX.1-dev/tree/main 。
    • 准备好 dev 的工作流：file:dev 的官方原版 workflow.json ，或者使用官方原版的图片链接 https://comfyanonymous.github.io/ComfyUI_examples/flux/flux_dev_example.png ，将图片导入 ComfyUI 就是工作流。
    • 对于 GPU 性能不足、显存不够的情况，底模可以使用 fp8 的量化版模型，下载地址：https://huggingface.co/Kijai/flux-fp8/tree/main 。
    • 相关模型的夸克网盘链接：https://pan.quark.cn/s/b5e01255608b ；百度网盘链接：https://pan.baidu.com/s/1mCucHrsfRo5SttW-03ei0g?pwd=ub9h 提取码：ub9h 。
  2. 打开 ComfyUI，把准备好的工作流或图片拖拽到 ComfyUI 里。
  3. 在处理模型连接时，如果将 refiner 的模型连上提示词导致第一个 base 模型的链接断开，可以通过以下方式解决：加入一个新节点，右键点击 -【新建节点】-【实用工具】-【Primitive 元节点】。这个节点连接谁，就会变成谁的属性。在文本节点上单击右键，选择【转换文本为输入】，此时文本节点上会多一个文本的连接点。将元节点与文本节点相连接，元节点就变成了正向提示词的输入框。同理，负向提示词框也可用元节点代替。再复制出一套正负提示词节点，一套给 base 模型，一套给 refiner 模型。然后，base 模型的那一套输出给第一个采样器节点，refiner 模型的那一套输出给第二个采样器节点。最后，能输出两个图像节点，第一个链接 base 模型的 vae，设置为预览图像；第二个链接一个 VAE 加载器的节点，加载 sdxl 自带的 vae，设置为保存图像，即最终输出的图像。设置好两个模型和提示词，点击生成。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

【ComfyUI】使用ComfyUI玩SDXL的正确打开方式

[title]【ComfyUI】使用ComfyUI玩SDXL的正确打开方式但是，现在问题来了。如果我将refiner的模型连上提示词的话，第一个base模型的链接就会断开，怎么样才能让两个模型同时起作用呢？我们来加入一个新节点，右键点击-【新建节点】-【实用工具】-【Primitive元节点】。这个节点很有意思，它连接谁，就会变成谁的属性。在文本节点上单击右键，选择【转换文本为输入】。此时，文本节点上就多了一个文本的连接点。将元节点与文本节点相连接，这时元节点就变成了正向提示词的输入框。同理，可以将负向提示词框也用元节点代替。再复制出一套正负提示词节点，一套给base模型，一套给refiner模型。然后，base模型的那一套输出给第一个采样器节点，refiner模型的那一套输出给第二个采样器节点。最后，我们能可以输出两个图像节点，第一个链接base模型的vae，可以设置为预览图像；第二个链接一个VAE加载器的节点，加载sdxl自带的vae，设置为保存图像，也就是我们最终输出的图像。使用这个工作流我们来跑一张sdxl模型的图片，设置好两个模型和提示词，点击生成。

工具教程：Flux

https://huggingface.co/comfyanonymous/flux_text_encoders/tree/maint5xxl分为fp16和fp8，如果你内存超过32GB，那就用fp16的，如果没超过，那就用fp8的。[heading4]ae.safetensors和flux1-dev.safetensors下载地址：[content]https://huggingface.co/black-forest-labs/FLUX.1-dev/tree/main我随后也准备一下百度网盘和夸克网盘。更新：（下面准备了夸克和百度的网盘链接，方便部分同学下载）flux相关模型（体积较大）的夸克网盘链接：https://pan.quark.cn/s/b5e01255608bflux相关模型（体积较大）的百度网盘链接：https://pan.baidu.com/s/1mCucHrsfRo5SttW-03ei0g?pwd=ub9h提取码：ub9h如果GPU性能不足、显存不够，底模可以使用fp8的量化版模型，速度会快很多，下载地址：https://huggingface.co/Kijai/flux-fp8/tree/main最后我们再下载dev的工作流：file:dev的官方原版workflow.json上面我把工作流复制上了，用上面这个就行。或者下面官方原版的图片链接，图片导入comfyUI就是工作流。https://comfyanonymous.github.io/ComfyUI_examples/flux/flux_dev_example.png我们打开ComfyUI，把工作流或图片拖拽到ComfyUI里：

工具教程：Flux

https://huggingface.co/comfyanonymous/flux_text_encoders/tree/maint5xxl分为fp16和fp8，如果你内存超过32GB，那就用fp16的，如果没超过，那就用fp8的。[heading4]ae.safetensors和flux1-dev.safetensors下载地址：[content]https://huggingface.co/black-forest-labs/FLUX.1-dev/tree/main我随后也准备一下百度网盘和夸克网盘。更新：（下面准备了夸克和百度的网盘链接，方便部分同学下载）flux相关模型（体积较大）的夸克网盘链接：https://pan.quark.cn/s/b5e01255608bflux相关模型（体积较大）的百度网盘链接：https://pan.baidu.com/s/1mCucHrsfRo5SttW-03ei0g?pwd=ub9h提取码：ub9h如果GPU性能不足、显存不够，底模可以使用fp8的量化版模型，速度会快很多，下载地址：https://huggingface.co/Kijai/flux-fp8/tree/main最后我们再下载dev的工作流：file:dev的官方原版workflow.json上面我把工作流复制上了，用上面这个就行。或者下面官方原版的图片链接，图片导入comfyUI就是工作流。https://comfyanonymous.github.io/ComfyUI_examples/flux/flux_dev_example.png我们打开ComfyUI，把工作流或图片拖拽到ComfyUI里：

其他人在问
comfyui 教程
以下是一些关于 ComfyUI 的学习教程资源： 1. ComfyUI 官方文档：提供使用手册和安装指南，适合初学者和有经验的用户。网址：https://www.comfyuidoc.com/zh/ 2. 优设网：有详细的 ComfyUI 入门教程，适合初学者，介绍了特点、安装方法及生成图像等内容。网址：https://www.uisdc.com/comfyui3 3. 知乎：有用户分享了部署教程和使用说明，适合有一定基础并希望进一步了解的用户。网址：https://zhuanlan.zhihu.com/p/662041596 4. Bilibili：提供了从新手入门到精通各个阶段的系列视频教程。网址：https://www.bilibili.com/video/BV14r4y1d7r8/ 此外，还有以下教程： 1. 一个全面的 ComfyUI 教程：https://www.comflowy.com/zhCN 2. 超有意思的 ComfyUI 教程：https://comfyanonymous.github.io/ComfyUI_tutorial_vn/ ComfyUI 的基础界面和操作方面： 1. 熟悉 ComfyUI 的基本界面和操作。 2. Comfyui 工作区介绍。 3. 基础节点介绍。 4. KSampler： seed：随机种子，用于控制潜空间的初始噪声，若要重复生成相同图片，需种子和 Prompt 相同。 control_after_generate：设置每次生成完图片后 seed 数字的变化规则，有 randomize（随机）、increment（递增 1）、decrement（递减 1）、fixed（固定）。 step：采样的步数，一般步数越大效果越好，但与使用的模型和采样器有关。 cfg：一般设置为 6 8 之间较好。 sampler_name：可设置采样器算法。 scheduler：控制每个步骤中去噪的过程，可选择不同调度算法。 denoise：表示要增加的初始噪声，文生图一般默认设置成 1。 内容由 AI 大模型生成，请仔细甄别。
2024-10-15
相同的参数下，用SD comfyui出图可以和SD webui出图保持图片效果一模一样么？
理论上，在应用完全相同参数（如 Step、CFG、Seed、prompts）的情况下，SD ComfyUI 出图和 SD WebUI 出图应当能保持图片效果一模一样。但在实际操作中可能会存在一些差异，比如： 提示词的多个条件下，SD 生成的图像可能无法全部满足，这与提示词引导系数有关，该系数关系到出图与文字的相关程度。 不同的模型和配置也可能影响出图效果，例如 SDXL 的大模型分为 base、refiner 以及配套的 VAE 模型，用于调节图片的画面效果和色彩。 需要注意的是，相同参数下要达到完全一致的出图效果并非绝对，还会受到多种因素的综合影响。
2024-10-14
comfyui使用教程
以下是 ComfyUI 的使用教程： 1. 学习资料获取： ComfyUI 官方文档：提供使用手册和安装指南，适合初学者和有经验用户，网址：https://www.comfyuidoc.com/zh/ 。 优设网：有详细的入门教程，适合初学者，介绍了特点、安装方法及生成图像等内容，网址：https://www.uisdc.com/comfyui3 。 知乎：有用户分享部署教程和使用说明，适合有一定基础并希望进一步了解的用户，网址：https://zhuanlan.zhihu.com/p/662041596 。 Bilibili：提供了从新手入门到精通的系列视频教程，网址：https://www.bilibili.com/video/BV14r4y1d7r8/ 。 2. 安装部署： 电脑硬件要求： 系统：Windows7 以上。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘留有足够空间，最低 100G 起步（包括模型）。 注：mac 系统、AMD 显卡、低显卡的情况也可安装使用，但功能不全，出错率偏高，建议升级设备或采用云服务器。 下载并更新 Nvidia 显卡驱动，下载地址：https://www.nvidia.cn/ geforce/drivers/ 。 下载并安装所需环境： 依次下载并安装 python、Git、VSCode，安装过程中一直点击勾选对应选项，一直下一步。 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装时选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 。 安装 Git：https://gitscm.com/download/win 。 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 。 3. 直接在 Comfy UI 中训练 LoRA 模型： 按 Enter 键安装所有所需依赖项，使其与 ComfyUI 兼容。若使用虚拟环境，需先激活。 注意事项： 图像必须放在以“”命名的文件夹中，数字应较小，如 5，且下划线必须有，其余部分不重要。 对于 data_path，必须写入包含数据库文件夹的文件夹路径。 参数： 第一行可从 checkpoint 文件夹中选择任何模型，但据说进行 LoRA 训练需选择一个基本模型。 选择一个名字为您的 LoRA，可更改默认值（epochs 数应接近 40），然后启动工作流程。 点击 Queue Prompt 后，所有事情会在命令提示符中发生，可查看训练进度。
2024-10-13
comfyui推荐一门课程
以下是一些关于 ComfyUI 的课程推荐： 在飞书学习群的“ComfyUI 共学快闪”中，有众多相关课程，例如王蓉的 Wang Easy 基础搭建和转绘、唯有葵花向日晴的基础教程、工作流开发和实际应用场景，以及热辣 Huolarr 的 AI 系统课私聊图生视频、咖菲猫咪的基础教程/工作流搭建思路/各版本模型使用的优缺点等众多课程。 “ComfyUI 共学WaytoAGI 共学计划”中也有相关资料，方便大家自学。例如知识库跳转 。
2024-10-12
如何让COMFYUI使用我的INTEL A770显卡？
要让 ComfyUI 使用您的 INTEL A770 显卡，以下是一些相关的步骤和信息供您参考： 首先，ComfyUI 本地安装的方法主要有以下几种： 1. 命令行安装： 如果您已经安装过 SD WebUI，可以跳到第二步。首先需要打开系统 Terminal，不同系统的 Terminal 可能有所不同。 Windows 用户：建议在有 NVIDIA 显卡的电脑上使用。需要下载 Miniconda3，输入相关命令进行安装，然后安装 pytorch 的 nightly 版本。 Mac 用户：安装需要根据电脑芯片不同输入不同代码。下载 Miniconda3 并输入相关命令进行安装，最后安装 pytorch。 2. 安装包安装：仅支持 Windows 系统且显卡必须是 Nivida。下载地址是，下载最新版本解压即可使用。 关于 ComfyUI 的硬件配置： ComfyUI 相比 WebUI 配置更低、系统资源占用更少、出图速度更快，最低可在小于 3G 的 GPU 上运行，甚至没有 GPU 光用 CPU 也可以运行，但速度极慢。SDXL 出来后提高了运行配置，最低需要 8GB 显存+32GB 运行内存，12GB 流畅运行，推荐 16GB 以上。运行内存最低 32GB，越高越好，最低配会经常爆显存。玩 SDwebui 和 ComfyUI 建议使用 6GB 以上的显存的 NVIDIA 显卡，内存在 16G 以上。硬盘会影响加载模型的速度，最好把软件和模型部署在 SSD 上。 需要注意的是，目前 ComfyUI 对于 INTEL A770 显卡的支持情况可能不太明确，您可能需要根据实际情况进行尝试和调整。
2024-10-10
comfyui的文档链接
以下是关于 ComfyUI 的相关信息： 简介：ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，可以想象成集成了 stable diffusion 功能的 substance designer，通过将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优劣势： 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；可以和 webui 共享环境和模型；可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在；生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势：操作门槛高，需要有清晰的逻辑；生态没有 webui 多（常用的都有），也有一些针对 Comfyui 开发的有趣插件。 官方链接：https://github.com/comfyanonymous/ComfyUI 学习资料： ComfyUI 官方文档：提供了 ComfyUI 的使用手册和安装指南，适合初学者和有经验的用户。您可以在找到相关信息。 优设网：提供了一篇详细的 ComfyUI 入门教程，适合初学者，详细介绍了 ComfyUI 的特点、安装方法以及如何使用 ComfyUI 生成图像等内容。教程地址是。 知乎：有用户分享了 ComfyUI 的部署教程和使用说明，适合有一定基础并希望进一步了解 ComfyUI 的用户。可以在找到相关教程。 Bilibili：提供了一系列的 ComfyUI 视频教程，涵盖了从新手入门到精通的各个阶段。可以在找到视频教程。 ComfyUI 共学 WaytoAGI 共学计划日程安排： 开场：，8/13 20:00 22:00，讲师佑萌。 第一课：，8/14 20:00 22:00，讲师郭佑萌。 第二课：，8/15 20:00 22:00，讲师郭佑萌。 第三课：，8/16 20:00 22:00，讲师郭佑萌。 第四课：，8/20 20:00 22:00。 第二期，时间待定。 内容由 AI 大模型生成，请仔细甄别。
2024-10-08
我刚打开飞书知识库，新手小白要怎么学习？我想对所有的Ai工具有着熟练的使用，先学习什么，再学习什么
对于新手学习 AI 并熟练使用相关工具，建议按以下步骤进行： 1. 掌握提示词技巧：提示词上手容易且很有用。 2. 实践和尝试： 理论学习后通过实践巩固知识，尝试使用各种产品制作作品。 参考飞书知识库中大家实践后的作品和文章分享，并积极分享自己的实践成果。 3. 体验 AI 产品： 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式，获取实际应用中的第一手体验。 4. 持续学习和跟进： 关注 AI 领域的新闻、博客、论坛和社交媒体，了解最新发展。 加入 AI 相关社群和组织，参加研讨会、工作坊和会议，与其他爱好者和专业人士交流。 如果希望继续精进，还可以学习以下内容： 1. Python 相关： 属性和方法：学习为类定义属性和方法，并通过对象调用。 继承和多态：了解类之间的继承关系及实现多态。 异常处理：理解异常，学习使用 try 和 except 语句处理错误。 文件操作：学习文件读写、文件与路径操作。 2. AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及关系。 历史发展：回顾 AI 的发展历程和重要里程碑。 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等基本概念。 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 算法和模型： 监督学习：了解线性回归、决策树、支持向量机（SVM）等常用算法。 无监督学习：熟悉聚类、降维等算法。 另外，学习 AI 还可以： 1. 了解 AI 基本概念： 阅读「」，熟悉 AI 术语和基础概念，包括主要分支及它们之间的联系。 浏览入门文章，了解 AI 历史、应用和发展趋势。 2. 开始 AI 学习之旅： 在「」中找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习，并争取获得证书。 3. 选择感兴趣的模块深入学习：AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入钻研。 学习 AI 是一个长期过程，需要耐心和持续努力，不要害怕犯错，每个挑战都是成长机会，随着时间推移，您将逐渐建立起自己的 AI 知识体系并取得成就。
2024-08-21