Stable Diffusion ComfyUI 入门介绍

2024年3月22日 1969点热度 0人点赞 1条评论

本文是《Stable Diffusion ComfyUI系列》系列文章中的第1篇，共6篇

ComfyUI 是Stable Diffusion 的基于节点的用户界面。ComfyUI 由 Comfyanonymous 于 2023 年 1 月创建，用于了解 Stable Diffusion 的工作原理。Stable Diffusion 的创建者 StabilityAI 也使用 ComfyUI 在内部测试 Stable Diffusion。此后，他们还聘请了 Comfyanonymous 来帮助他们开发内部工具。

ComfyUI 简介

ComfyUI 是一个基于节点的界面。基于节点的界面在 3D 设计和 VFX 行业最为常见。如果您使用过 Maya 或 Blender3D 等工具，您可能遇到过它们。在这些接口中，每个节点都执行一些代码。节点有输入（传递给代码的值）和输出（代码返回的值）。

使用鼠标，用户可以：

创建新节点
编辑节点上的参数（变量）
通过输入和输出将节点连接在一起

在 ComfyUI 中，每个节点代表 Stable Diffusion 过程的不同部分。通过创建和连接执行该过程不同部分的节点，您可以运行 Stable Diffusion 。

ComfyUI 基本界面如下所示：

ComfyUI 与 AUTOMATIC1111

很多 ComfyUI 的新手都是从更简单的界面开始的，比如AUTOMATIC1111、InvokeAI或SD.Next。

他们都在想同一件事：为什么要使用如此复杂的工具来做同样的事情？

是的，你可以做同样的事情，但是使用 ComfyUI，你还可以做更多。

极高的可配置性

想要在生成过程的任何阶段输出预览图像吗？

想要同时运行两代来比较采样方法吗？

这是很多人喜欢使用 ComfyUI 的原因。

ComfyUI 让您可以同时做很多事情

想象一下，你对所有图像都遵循类似的过程：首先，生成图像。然后将结果发送到 img2img。最后，对其进行放大。

在 AUTOMATIC1111 中，您必须手动完成所有这些步骤。

在 ComfyUI 中，您只需单击一下即可执行所有这些步骤。

这非常适合 SDXL v1.0，它带有 2 个模型和 2 个步骤： 基本模型 用于生成噪声潜在值，然后用专门用于去噪的细化模型进行处理。

性能和速度

因为它们是可配置的，所以 ComfyUI 生成可以以 AUTOMATIC1111 生成无法实现的方式进行优化。

这 极大地优化了 速度。与 AUTOMATIC1111 相比，使用 ComfyUI 的生成速度提高了 3-5 倍。

了解 Stable Diffusion 的工作原理

ComfyUI 的设置使得节点能够反映扩散过程的不同部分在底层的工作方式。通过学习如何使用 ComfyUI，您将了解 Stable Diffusion 的实际工作原理！

安装 ComfyUI

从 Github 克隆 (Windows / Linux)

1. NVIDIA GPU

Windows，打开命令提示符（搜索“cmd”）。Linux，打开终端（Ctrl+Alt+T）。

然后逐个运行以下命令：

git cline https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
pip instal torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 xformers -r requirements.txt

您现在可以使用以下命令启动 ComfyUI：

python main.py

如果收到“Torch 未使用 CUDA 启用进行编译”错误，请卸载 torch：

pip uninstall torch

（出现提示时按“y”）

并使用与之前相同的命令再次安装：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 xformers -r requirements.txt

2. AMD GPU

Windows，打开命令提示符（搜索“cmd”）。Linux，打开终端（Ctrl+Alt+T）。

然后逐个运行以下命令：

git install https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
python -m pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/rocm5.4.2 -r requirements.txt

如果由于您的 GPU 未得到 ROCm（6700 XT 等）的官方支持而失败，您可以尝试运行以下命令：

HSA_OVERRIDE_GFX_VERSION=10.3.0 python main.py

您现在可以使用以下命令启动 ComfyUI：

python main.py

从 Github 克隆 (Mac)

您可以使用任何最新的 macOS 版本在 Apple Mac 芯片（M1 或 M2）中安装 ComfyUI。

按照 Mac 上的加速 PyTorch 训练指南安装 pytorch。

打开终端并克隆repo：

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

安装 ComfyUI 依赖项：

cd ComfyUI
pip install -r requirements.txt

通过运行以下命令启动 ComfyUI：

python main.py --force-fp16

请注意，仅当您安装了最新的 pytorch nightly 时，–force-fp16 才会起作用。

更新 ComfyUI

要更新 ComfyUI，请导航到命令提示符/终端中的 ComfyUI 文件夹并输入：

git pull

ComfyUI 用户界面

节点

您可以通过右键单击空白处 -> 来添加节点 Add Node。

您可以双击空白处来获取所有节点的列表和搜索栏：

CTRL + 拖动可选择多个节点。SHIFT + 拖动可同时移动它们。

您可以更改节点的颜色以帮助您保持井然有序。右键单击 -> Color-> 选择颜色：

连接节点

如果您将输入拖放到空白处并释放，您将获得兼容节点的列表：

输入和输出只有颜色相同时才兼容。请注意，我可以将紫色输入连接到紫色输出，但无法连接其他任何输入。

执行

当您单击时Queue Prompt，工作流将按照节点连接的顺序通过节点，从没有输入、只有输出的加载器开始。

如果任何节点缺少输入，您将无法运行提示：

ComfyUI 节点详解

我们如何了解实际发生的情况以便创建和修改工作流程？

为了理解节点，我们必须了解 Stable Diffusion 的工作原理。

让我们看一下默认的工作流程。如果您没有使用默认工作流程，请单击Load Default右侧边栏。

Load Checkpoint 节点

用于生成图像的 checkpoint 模型（ .safetensors, .ckpt ）有 3 个主要组成部分：

CLIP 模型：将文本转换为 Unet 可以理解的格式
Unet：执行“扩散”过程，即对图像进行逐步处理，我们称之为生成
VAE：将图像从潜在空间解码到像素空间（在进行 img2img 时也用于将常规图像从像素空间编码到潜在空间）

在 ComfyUI 工作流程中，这表示为 Load Checkpoint 节点及其 3 个输出（模型指的是 Unet）。

这些输出连接到什么呢？

CLIP Text Encode 节点

Load Checkpoint 节点的 CLIP 输出连接到 CLIP Text Encode 节点。

CLIP 模型用于将文本转换为 Unet 可以理解的格式（文本的数字表示）。我们称之为嵌入 ( Embeddings )。

CLIP Text Encode 节点将 Checkpoint 的 CLIP 模型作为输入，将提示（ positive 和 negative ）作为变量，执行编码过程，并将这些嵌入输出到下一个节点，即采样器 ( KSampler )。

KSampler

在 Stable Diffusion 中，图像由称为采样的过程生成。

在 ComfyUI 中，这个过程发生在 KSampler 节点。这是实际的“生成”部分，因此您会注意到，当您排队提示时，KSampler 需要花费最多的时间来运行。

KSampler 接受以下输入：

model：来自 Load Checkpoint 节点的 MODEL 输出（ Unet ）
positive：来自 CLIP Text Encode 节点的 positive prompt
negative：来自 CLIP Text Encode 节点的 negative prompt
latent_image：潜在空间中的图像（ Empty Latent Image 节点）

由于我们仅从提示（ txt2img ）生成图像，因此我们使用 Empty Latent Image 节点。

您也可以将实际图像传递给 KSampler 而执行 img2img。我们将在下面讨论这一点。

KSampler 中发生了什么？

扩散是实际产生图像的过程。我们从一个随机信息数组和嵌入（编码的正面和负面提示）开始。

扩散分为多个步骤，每个步骤对信息阵列（也称为潜在信息）进行操作，并产生另一个更类似于提示文本的信息阵列。因此，我们从一个随机信息数组开始，最终得到一个类似于我们所知道的信息数组，并通过 KSampler 输出此信息。但是，它目前还不在像素空间中（我们看不到它），它仍然是一种潜在的表示。

VAE

VAE Decode 节点需要 2 个输入：

Checkpoint 模型自带的 VAE（您也可以添加自己的 VAE）
KSampler 已完成去噪的潜在空间图像（ latent space image ）

VAE 用于将图像从潜在空间转换到像素空间。它将最终的像素图像传递给保存图像节点，用于展示图像并下载。

默认工作流程是 ComfyUI 中能找到的最简单的工作流程。

下载模型

为了运行 SDXL，您可能还需要其他几个模型。

您可以先下载 checkpoint 模型，然后根据需要下载其余模型。

Checkpoint

将 checkpoint 模型放置在文件夹 ComfyUI/models/checkpoints：

VAE

将 VAE 放入文件夹 ComfyUI/models/vae：

Fixed SDXL 0.9 VAE

LoRA

将 LoRA 放入文件夹ComfyUI/models/loras：

SDXL Offset Noise LoRA

Upscaler

Upscaler 可以放大您的图像，将升级器放入文件夹 ComfyUI/models/upscaler：