关于 ComfyUI 的 Windows 本地部署系统环境教程（详细讲解Windows 10/11、NVIDIA GPU、Python、PyTorch环境等）

在本地部署 ComfyUI 时，确保 Python、PyTorch、CUDA

等组件的版本能完美匹配，这对避免安装报错和保证稳定运行至关重要。

以下内容是整合了一份核心组件的版本适配对照表，并配上不同显卡的配置建议，希望能帮助你顺利部署。

一、准备阶段

1. 系统与硬件确认

确保你的系统为 Windows 10 或更高版本。
拥有一块 NVIDIA 显卡（最好支持较新 CUDA 架构）。
显存建议至少 6-8 GB ，如果你要做高清、大分辨率或多插件 (ControlNet／LoRA) 的生成，建议 12 GB 以上。
NVIDIA 驱动建议更新为与所选 CUDA 版本兼容的最新驱动。
- 你可运行 nvidia-smi 在终端查看当前驱动版本及支持的 CUDA 最高版本。
硬盘建议为 SSD，并有充足可用空间（模型、缓存、生成文件会占不少）。

2. 确定软件版本路线

根据 ComfyUI 官方"System Requirements"页面：

推荐使用 Python 3.12。 (docs.comfy.org)
PyTorch 必须安装带有 CUDA 支持的版本（你的显卡架构 + 驱动必须支持该 CUDA）-- 因为 PyTorch 二进制包通常附带 CUDA 运行时。 (PyTorch Forums)
对于最新一代 NVIDIA ("Blackwell" 架构，比如 50 系列) 需要 PyTorch 编译为 cu128（即 CUDA 12.8）版本。 (GitHub)
注意：安装 CUDA ToolKit 本身并不总是必需 --- 关键是 PyTorch 二进制包支持你的显卡架构与驱动。 (PyTorch Forums)

因此，你可根据自己的 GPU 架构及驱动状态，选择适合的版本路线。下面以一种较通用、稳定的方案为主。

二、版本推荐表（参考）

下面是根据当前社区经验 + ComfyUI 官方建议整理的一个 参考版本组合。你可根据自己显卡架构／驱动情况做调整。

组件	推荐版本	说明
Python	3.12.x	官方推荐。若已有 3.10/3.11，也可，但建议使用最新兼容版本。 (docs.comfy.org)
PyTorch	2.7.x（带 cu12.8 支持）	如果你的显卡为较新一代（如 RTX 50 系列），建议使用带 cu128 的 PyTorch。 (GitHub)
CUDA（或 PyTorch 自带 CUDA 支持）	12.8 (即 cu128) 或 12.1 (cu121)	若你的 GPU 及驱动支持，使用 12.8 能更好支持新架构。官方文档中"pytorch-cuda=12.1"示例用于安装。 (docs.comfy.org)
cuDNN	与所用 CUDA 支持版本匹配	若你手动安装 CUDA Toolkit，则需安装匹配的 cuDNN。若使用 PyTorch 二进制包，可省略手动 cuDNN 安装。
ComfyUI 本体版本	最新稳定版本	建议下载 ComfyUI 官方最新稳定版；便于插件、节点支持。
显存	至少 8 GB，推荐 12 GB+	对于基础图片生成，8 GB 基本可用；但若用到扩展、高清分辨率建议更多。

提示：如果你的显卡较旧（如 GTX 10 系列或 8 GB 以下显存）仍可运行，但可能受限如分辨率低、速度慢、插件支持弱。

三、详细安装步骤（以 "手动安装 + 虚拟环境" 为例）

下面是详细步骤，从无环境状态开始。你已经有 Node.js、Vue、MongoDB 等开发环境，但这里是部署 ComfyUI 所需的 Python／GPU 环境。

1. 安装 Python

到 python.org 下载并安装 Python 3.12.x（建议勾选 "Add Python to PATH"）。
建议安装 Miniconda（或 Anaconda）来管理虚拟环境，以便隔离项目。
安装完成后，打开命令行（Win+R → cmd）输入 python --version 确认版本。

2. 创建虚拟环境

bash 复制代码

conda create -n comfyui_env python=3.12
conda activate comfyui_env

（或使用 python -m venv comfyui_env + .\comfyui_env\Scripts\activate）

3. 安装 PyTorch（带 GPU 支持）

根据你的显卡／驱动，选择适当 CUDA 版本：

若你的驱动较新、显卡为 RTX 50 系列或类似，建议使用 cu128：
bash 复制代码
```
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
```
（上述命令示例为 12.1 版本，若已有 12.8 也可查 PyTorch 官方 cu128 wheel） (docs.comfy.org)
或使用 pip 方式：
bash 复制代码
```
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
```
注意：若安装完毕输入 python -c "import torch; print(torch.cuda.is_available())" 返回 True，表示 GPU 支持正常。

4. 下载并安装 ComfyUI

从 ComfyUI 官方 GitHub 仓库或官网克隆代码：
bash 复制代码
```
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
```
（或下载 zip 文件解压）
安装依赖：
bash 复制代码
```
pip install -r requirements.txt
```
若你仅安装了 PyTorch + CUDA，通常不需要额外安装 CUDA Toolkit 本身。 (docs.comfy.org)
启动 ComfyUI：
bash 复制代码
```
python main.py
```
或根据 README 中提示执行启动脚本。启动后，通常浏览器会自动打开 ComfyUI 界面。

5. 配置模型与插件

在 ComfyUI 主界面或安装目录下，找到 models/checkpoints 或类似路径，将你的 Stable Diffusion 模型（如 .safetensors 文件）放入该目录。
若你使用 ControlNet、LoRA、插件节点等，建议确认这些插件支持你当前 PyTorch／CUDA 版本。社区中有用户反映：某些自定义节点可能因 PyTorch 版本变化而出错。 (Hugging Face Forums)
配置额外模型或自定义节点路径可通过 extra_model_paths.yaml 文件进行。 (docs.comfy.org)

6. 验证环境

在虚拟环境中运行 Python，输入以下代码验证：

python 复制代码

import torch
print("Python version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
print("CUDA version:", torch.version.cuda)
print("GPU device:", torch.cuda.get_device_name(0))

如果输出显示 CUDA available: True 且能够正确识别 GPU，则说明环境配置基本正常。

7. 常见问题排查

若出现 Torch not compiled with CUDA enabled 之类错误，说明你安装的 PyTorch 版本不含 GPU 支持版本。 (PyTorch Forums)
若出现显卡架构不支持（如 "sm_52" 不在支持列表）错误，说明你的显卡太旧可能无法运行最新版本。 (ComfyUI)
若使用 Portable 版本（预打包）时，可能不需要手动安装 PyTorch / CUDA Toolkit。社区中有人指出：

"Cuda and pytorch are already included in comfyui Portable" (Reddit)

但手动安装方式仍建议按上述流程。
驱动版本过旧亦常见错误：请用 nvidia-smi 检查你的驱动是否支持所选 CUDA 版本。
模型／插件版本与 ComfyUI 版本或节点版本不匹配，也可能导致错误。建议插件版本与 ComfyUI 社区推荐版本同步。

四、小建议与优化

若你只是做一般的图片创作（插画、头像、512×512 分辨率），显存 8-10 GB 的显卡即可。若要做超高清（4K以上）、多控制节点、多模态生成，建议显存 12-16 GB 或更高。
虚拟环境管理非常重要：避免系统级 Python 污染、包冲突。
若将来升级显卡（如 RTX 50 系列），可能需要切换至 cu128 版本的 PyTorch。社区提醒：

"To get your nvidia 50 series GPU working with ComfyUI you need a pytorch that has been built against cuda 12.8" (GitHub)
常备备份：你的模型、插件、自定义节点建议备份，以便升级或迁移时能快速复原。
检查网络与镜像源：若在国内或网络受限环境，建议配置 PyPI 镜像（如清华、阿里云）或使用离线包。 (comfyui-wiki.com)

转载吱一声~