【ComfyUI学习笔记01】下载安装 | 运行第一个工作流

【ComfyUI学习笔记01】下载安装 | 运行第一个工作流 | 学习思路

前言
下载安装
- ComfyUI的下载和安装
- [ComfyUI Manager 的下载和安装](#ComfyUI Manager 的下载和安装)
运行第一个工作流
- [初识节点 (Nodes) 工作流](#初识节点 (Nodes) 工作流)
- [案例1 Image Generation](#案例1 Image Generation)
- 学习思路
- - 明确应用方向
  - 抛弃细节，块状记忆

前言

你好！这是博主学习ComfyUI时的心得笔记，从零开始。博主是工业设计专业的学生，学ComfyUI是为了批量和易控地渲染手绘图以及生成特定人物，主要面向应用，不会在底层原理上有过多深入。每期的推荐资料会放在文章末尾。

本系列一般不涉及节点参数的解读，推荐需要时，在Github上检索学习。

初来乍到，请多指教！

下载安装

本章节将介绍ComfyUI的下载和安装以及后续重要插件 ComfyUI Manager 的下载和安装。

ComfyUI的下载和安装

国内网盘下载 ，在bilibili等平台搜索"ComfyUI"下载，往往会有不错的结果，非常多博主^[1](#1)友好地免费提供网盘下载；
【推荐】Github下载 ，直接访问ComfyUI官方团队的库^[2](#2)，进行下载(需要翻墙 / 访问国内镜像网站)；
- 下载"ComfyUI_windows_portable_nvidia.7z"即可
- 解压完毕后，请首先阅读README_VERY_IMPORTANT文件，以下是对其的中文翻译：

typescript 复制代码

如何运行：

如果你有N卡GPU，运行 nvidia gpu.bat （推荐使用）

如果你想使用低速的CPU，运行 cpu.bat

如果你在进入页面时遇到了一个红色的报错，大概是由于你没有在ComfyUI\models\checkpoints中保存任何模型，你可以在 https://huggingface.co/Comfy-Org/stable-diffusion-v1-5-archive/blob/main/v1-5-pruned-emaonly-fp16.safetensors 中下载Stable Diffusion 1.5，放入checkpoints文件夹

更新ComfyUI的推荐办法：访问update文件夹，运行update_comfyui.bat

想要与Python依赖一同更新的话，访问update文件夹，运行update_comfyui_and_python_dependencies.bat

如果你在电脑上已经在WebUI中下载了不少模型，并且想通过ComfyUI调用：
访问ComfyUI文件夹，找到extra_model_paths.yaml.example，将其重命名为extra_model_paths.yaml，使用记事本打开，将WebUI中的模型文件夹地址复制进去，保存即可

Git下载 ，git clone是后续更新、下载ComfyUI及其节点包重要的途径，推荐尽早安装下载^[3](#3),安装过程中，只需要修改安装地址即可（建议 D:/ 等软件盘符Program Files文件夹），其他内容保持默认。

ComfyUI Manager 的下载和安装

ComfyUI Manager是使用ComfyUI必要的插件，它可以快速帮助我们下载、补全某些非常便利的节点，后续我们会逐渐探索ComfyUI Manager的强大功能。

Github作者^[4](#4)提供了4种ComfyUI Manager的安装方案，这里重点推荐2种：

【推荐】Git Clone安装，访问ComfyUI/custom_nodes文件夹，在地址栏键入"cmd"打开命令提示栏，输入以下内容后回车：

git clone https://github.com/ltdrdata/ComfyUI-Manager comfyui-manager

.bat 安装 ,在下载好git后，把install-manager-for-portable-version.bat保存到 ComfyUI_windows_portable 文件夹中，双击安装
- 请右键该链接，"链接另存为"

启动ComfyUI，在浏览器界面角落出现以下图标，即说明安装成功

运行第一个工作流

这里，我们将着手搭建我们的第一个ComfyUI工作流，它是一个基础的文本转图像 (Text2Img) 工作流，如下图所示，通过它，我们可以对ComfyUI基本的运行过程有所了解

初识节点 (Nodes) 工作流

从底层讲，节点工作流中，每个节点都是一段封装好的代码，搭建节点工作流的过程，就是不断调用代码的编程过程。它具备过程透明，高自由度 的优点，但同时因其存在大量节点，且逐级运行，也存在强调逻辑，学习，记忆成本高的"缺点"。

在搭建节点工作流的过程中，知道我有什么 （文本/待处理图片）和我要什么（生成图片/放大图片/局部重绘）很重要，它是我们的重要切入口，可以帮助我们梳理过程环节，这同样是编程思维的再次体现。

既然是一种编程任务，那么对初学者来说，流程图无疑是非常重要的工具

案例1 Image Generation

案例文件"Image Generation"由官方 Browse Templates 提供。

在流程图中，已经梳理好了生成一张图片需要的关键过程，接下来，我们将进一步了解具体的实现步骤

绘制流程图，确定关键节点

（绘制过程略）我们只有得知图片大小和内容后，才能生成我们的图片，而内容是根据文本（图片）描述 和图片风格确定的，因此，我们需要：

图片大小控制节点： Empty Latent Image
文本（图片）描述节点（本案例输入内容为文本）：CLIP Text Encode(Prompt)
图片风格节点（即.checkpoint大模型节点）导入：Load Checkpoint
图片输出节点(保存图片)：Save Image

放置关键节点，确定连接顺序

在本章节开头已经展示了完整的连接顺序，它并非一气呵成，逐级推进，而是以先放关键节点，再补充中间过程的思路确定的：

找到并放置关键节点

除了通过快速检索栏调用，ComfyUI同样支持右键呼出菜单栏调用，通过菜单栏中的命名，可以猜到节点属于哪里，这对不知道节点叫什么，但知道它要起什么功能时很有帮助

补充中间过程，完成流程搭建

实现数据的处理和流通，是本环节的关键。在ComfyUI中，两个节点块有相同颜色的小圆点，表示可以直接流通该数据，如上图中Load Checkpoint右边的黄色CLIP和CLIP Text Encode(Prompt)左边的黄色clip。那如果没有颜色对应的小圆点呢？那就说明需要一些中间过程来对数据进行处理（Encode 编码/Decode 解码），在本案例中，有以下中间节点：

采样处理节点：KSampler ，它类似于WebUI中的参数设置面板，包括生成图片过程中的随机种子、步数、采样器等参数都由此节点控制
潜变量图像解码节点：VAE Decode ，KSampler采样完成后，生成的是Latent Image相当于"底片"，但我们需要的是一张可视图片，因此需要通过变自分解码器 VAE Decode 对其进行"显影"转换

节点添加完毕后，将所有对应颜色的小圆点相连，即可完成我们案例1的工作流搭建。

学习思路

明确应用方向

ComfyUI作为一个复杂平台，可以实现非常多功能，满足不同生产需要。但复杂意味着决策，在打开、学习ComfyUI之前，先问问自己，想用它来干什么，然后直接去查看相关的应用即可，小白千万不要在一开始陷入对原理、技术的探求，就跟学英语时，不要一来就拿着牛津词典干啃一样。

以博主自身为例，博主是工业设计专业的学生，需要大量用到草图上色，快速渲染这样的图生图功能，偶尔用到人物姿态生成、帧图片等其他功能，不会把精力花费在实现以上功能外的地方。

抛弃细节，块状记忆

承接上文，抓住"应用方向"这个关键，就可以快速查找到想实现目标需要的关键环节。ComfyUI的节点成百上千，挨个记忆是不现实的，低收益的，但不难发现，ComfyUI的搭建实际上就是将不同环节的数据处理，传递，再处理，如果我们将这些过程切块，记住每一块需要什么，产出什么，将极大地降低我们的记忆成本。至于每一块的实现细节（具体节点），那就去扒网上的案例库好了。

目录、索引式记忆比起内容、字典式记忆来得有效率得多。这不是学生时期的考试，利用工具，节约时间是首要的