在调用ReActor或者其它插件时,ComfyUI提示如下异常:

先到github项目中查看相关版本需求,确认安装相关依赖的正确版本:github.com/Gourieff/co...
如问题依旧存在,请接着看以下操作流程:
1)根据异常日志进入网址onnxruntime.ai/docs/execut...,核对onnxrumtime及CUDA对应版本。示例如下图:

2)查看nvidia安装版本号: cmd打开命令行工具,查看nvidia cuda版本,输入
nvidia-smi
示例如下:

3)查看onnxruntime版本号,可直接进目录查看,也可命令行检查。
目录查看:进入目录ComfyUI\venv\Lib\site-packages(如果是portable版本,则为ComfyUI_windows_portable\python_embeded\Lib\site-packages),如下图:

命令行查看:到ComfyUI安装目录下,因为ComfyUI调用了自己的内部环境,应该在ComfyUI或者ComfyUI_windows_portable文件夹下(根据自己安装的ComfyUI版本决定),使用命令:
ComfyUI原生版本:
sql
venv\Scripts\pip.exeshow onnxruntime及venv\Scripts\pip.exe show onnxruntime-gpu
ComfyUI_windows_portable版本:
sql
python_embeded\Scripts\pip.exe show onnxruntime及python_embeded\Scripts\pip.exe show onnxruntime-gpu
图示如下:

如果发现onnxruntime版本与CUDA版本不对应,或者onnxruntime的gpu版本与cpu版本不一致,就重新安装正确版本!
4)CUDA安装:下载CUDA对应版本,链接:developer.nvidia.com/cuda-toolki...
最好是完全卸载之前安装的版本后重新安装。
onnxruntime安装:onnxruntime.ai/docs/instal...,如下图:
如果onnxruntime的CPU版本与GPU版本不一致,请统一版本。
如果提示已安装,可卸载重新安装或者强制重新安装,强制重新安装命令如下:
bash
pip install --force-reinstall onnxruntime-gpu --extra-index-url <https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/onnxruntime-cuda-12/pypi/simple/>
图示:
安装完成后如果出现如下报错提示,为pip依赖问题,不用理会:
安装完成后对比CPU及GPU版本的onnxruntime,发现版本已统一,重新启动ComfyUI测试带ReActor插件的工作流,一般情况下,问题解决!
验证cuda是否安装成功:
方法一:命令行输入:
css
nvcc --version
输出示例如下:

方法二:python方法调用,输入如下:
go
import torch
print(torch.cuda.is_available())
返回True
表示安装成功,示例如下:

验证cuDNN是否安装成功:
方法一:打开CUDA安装目录并进入如下文件夹:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2
\extras\demo_suite(红色标注处因版本而异)
命令行进入该目录,输入:
deviceQuery.exe
示例如下:
再输入:
bandwidthTest.ext
示例如下:
输出结果均为
PASS
即为安装成功。
方法二:python验证,输入:
python
from torch.backends import cudnn
print(cudnn.is_available())
返回 Ture
即安装成功,示例如下:

验证GPU版本的Pytorch是否安装成功:
python环境下,输入:
scss
import torch
print(torch.__version__)
print(torch.cuda.is_available())
输出版本号及True
即安装成功。示例如下:
