【ComfyUI 国产模型炼丹记】第一篇：V100 16G 部署 Wan2.2：从环境配置到首次出片

前置说明与目标

显卡：Tesla V100 16G（SXM 自改成PCIe ，价格实惠）

cup型号： E5 2673V3

主板：X99 P8D3

内存大小： 2*4g + 2*8g = 24g ddr3

系统：Ubuntu 24.04

目标：跑通 Wan2.2 14B GGUF 量化版文生视频，输出一段 3 秒 640×640 视频

还会泡泡14B fp8 scaled.

预计首次全流程耗时：模型下载 180分钟（取决于网速）

第一步：系统环境准备

1、按照ubuntu24.04

这个教材很多，不啰嗦，自己找来装，装server版本（个人习惯）

2、更新系统和软件包

sudo apt update

sudo apt upgrade

sudo apt dist-upgrade

sudo apt autoremove

3、配置

swap大小40G，大概内存的1.5到2倍

4、禁用nouveau

编辑文件blacklist.conf：

sudo nano /etc/modprobe.d/blacklist.conf

在文件最后部分插入以下两行内容

blacklist nouveau

options nouveau modeset=0

更新系统

sudo update-initramfs -u

重启系统（一定要重启）

sudo reboot

验证nouveau是否已禁用

lsmod | grep nouveau

没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。

5、安装基础工具

sudo apt install -y wget git curl python3-pip python3-dev gcc g++ make

6、安装驱动

检查显卡

需要亮集卡，我这里是已经装好了，所以亮机卡拿掉了

(base) jjj@jjj:~$ sudo lshw -class display

$sudo$ jjj 的密码：

*-display

description: 3D controller

product: GV100GL $Tesla V100 SXM2 16GB$

vendor: NVIDIA Corporation

physical id: 0

bus info: pci@0000:03:00.0

version: a1

width: 64 bits

clock: 33MHz

capabilities: pm msi pciexpress bus_master cap_list

configuration: driver=nvidia latency=0

resources: iomemory:38380-3837f iomemory:383c0-383bf irq:62 memory:fa000000-faffffff memory:383800000000-383bffffffff memory:383c00000000-383c01ffffff

查找可安装的版本

(base) jjj@jjj:~$ ubuntu-drivers devices

vendor : NVIDIA Corporation

model : GV100GL $Tesla V100 SXM2 16GB$

driver : nvidia-driver-470-server - distro non-free

driver : nvidia-driver-580 - distro non-free recommended

driver : nvidia-driver-580-server - distro non-free

driver : xserver-xorg-video-nouveau - distro free builtin

安装推荐的驱动

sudo apt install nvidia-driver-580 -y

#安装完成，需要重启

sudo reboot

检查一下安装结果

(base) jjj@jjj:~$ nvidia-smi

Mon Oct 5 20:08:30 2026

+-----------------------------------------------------------------------------------------+

| NVIDIA-SMI 580.178.04 Driver Version: 580.178.04 CUDA Version: 13.0 |

+-----------------------------------------+------------------------+----------------------+

| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |

| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |

| | | MIG M. |

|=========================================+========================+======================|

| 0 Tesla V100-SXM2-16GB On | 00000000:03:00.0 Off | 0 |

| N/A 29C P0 24W / 300W | 0MiB / 16384MiB | 0% Default |

| | | N/A |

+-----------------------------------------+------------------------+----------------------+

+-----------------------------------------------------------------------------------------+

| Processes: |

| GPU GI CI PID Type Process name GPU Memory |

| ID ID Usage |

|=========================================================================================|

| No running processes found |

+-----------------------------------------------------------------------------------------+

这样我们驱动就安装完成了

7、按照cuda（可以不装，我记得不编译不装也是可以的）

#12.6

wget https://developer.download.nvidia.com/compute/cuda/12.6.3/local_installers/cuda_12.6.3_560.35.05_linux.run

sudo sh cuda_12.6.3_560.35.05_linux.run
echo 'export PATH=/usr/local/cuda-12.6/bin:PATH′>> /.bashrcecho′exportLDLIBRARYPATH=/usr/local/cuda−12.6/lib64:LD_LIBRARY_PATH' >> ~/.bashrc

source ~/.bashrc

nvidia-smi # 应能看到 V100 和 CUDA 版本

nvcc --version # 应显示 CUDA 版本

8、安装Miniconda3,创建虚拟环境

安装Miniconda3

#下载

wget -c https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

#安装

bash Miniconda3-latest-Linux-x86_64.sh

#初始化

source ~/.bashrc

#检验

(base) jjj@jjj:~$ conda --version

conda 26.7.1

创建虚拟环境

#创建环境

conda create -n comfyui python=3.12 -y

#激活环境

conda activate comfyui

#升级python工具，也可不进行

python -m pip install -U pip wheel setuptools

#安装ModelScope

pip install modelscope

配置清华源，速度不慢不用设置，设置了可能会有新的问题

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

安装pytorch,安装cuda12.6

#12.6

pip install torch==2.13.0 torchvision==0.28.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/cu126
测试

python -c "import torch; print(torch.version)"

python -c "import torch; print(torch.version.cuda)"

python -c "import torch; print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'CUDA is not available')"

第二步：配置Comfyui

1、下载 ComfyUI并安装

cd ~

git clone https://github.com/Comfy-Org/ComfyUI.git

cd ~/ComfyUI

pip install -r requirements.txt

如果不能下载可以给你们个代理，不一定看到这篇文章时还能用

GitHub Proxy - GitHub 文件下载加速代理
ERROR: Could not find a version that satisfies the requirement comfyui-workflow-templates-media-assets-02==0.1.5 (from comfyui-workflow-templates) (from versions: none)
ERROR: No matching distribution found for comfyui-workflow-templates-media-assets-02==0.1.5

如果出现上面错误：

pip config unset global.index-url

就是设置了清华原，没有最新的，ComfyUI 的核心依赖（包括 comfyui-workflow-templates）经常更新，这里就有一个问题，因为comfyui更新很平凡，所以有些依赖包，镜像站点来不及更新，所以不要设置，就是太慢了

2、安装 ComfyUI Manager

cd ~/ComfyUI

pip install -r manager_requirements.txt

3、启动 ComfyUI

#有错误，免得一个一个来，先安装，有怀疑的可以不装，后面会报错，但是版本再更新，不好说，建议还是第一次，一个一个来吧，写在这里是给我自己参考的

pip install matrix-nio PyOpenGL PyOpenGL-accelerate pynvml
cd ~/ComfyUI

conda activate comfyui

python /home/jjj/ComfyUI/main.py --listen 0.0.0.0 --port 8188 --fast fp16_accumulation --enable-manager --output-directory /mnt/data_160g/ComfyUI_Outputs

我把输出放在了机械硬盘，实在是模型太大了，关于参数我也抄的没来及想

4、浏览器访问

http://192.168.1.22:8188

5、安装必要插件

大家不用怀疑直接装吧，安装有两种方法，

第一种：下载源码放在custom-node 目录下面，目录下有requirements.txt文件的，pip install -r requirements.txt，然后重新运行comfyui，重启浏览器
第二种：在管理扩展功能中安装，如下图，这个功能和别的软件插件功能一样，没什么好研究的，直接安装就是，如果这里不能安装，就用第一种

目前为止我装了9个插件，

6、安装ComfyUI-WanVideoWrapper（Wan 专用节点）

我们要用wan2.2生成视频，所以要安装这个插件，不过新的版本已经集成了新的wan,所以不用装，我装了，没成功啊，有了就不纠结

第三步：加载官方模板，首次出片

1、下载模型

平时在这里找，国内好使，但是不一定在这里下载

我们直接使用Comfyui自带模板演示：

需要下载的模型目录：

复制代码

ComfyUI/
├───📂 models/
│   ├───📂 diffusion_models/
│   │   ├─── wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors
│   │   └─── wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors
│   ├───📂 loras/
│   │   ├───wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors
│   │   └───wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors
│   ├───📂 text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors 
│   └───📂 vae/
│       └── wan_2.1_vae.safetensors

本篇文章只是为了演示，不重点阐述，

点击下载会显示下载地址

https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/loras/wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors

修改为

https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/loras/wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors

我是ubuntu系统，直接命令行

复制代码

wget -P /home/jjj/ComfyUI/models/loras https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/loras/wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors


wget -P /home/jjj/ComfyUI/models/loras https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/loras/wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors


wget -P /home/jjj/ComfyUI/models/text_encoders https://hf-mirror.com/Comfy-Org/Wan_2.1_ComfyUI_repackaged/resolve/main/split_files/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors


wget -P /home/jjj/ComfyUI/models/diffusion_models https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors


wget -P /home/jjj/ComfyUI/models/diffusion_models https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors

wget -P /home/jjj/ComfyUI/models/vae https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/vae/wan_2.1_vae.safetensors

等候下载。。。。。。。。。。。大概2小时，我家网速慢，华数的，9MB/s的速度，说实话，很快了，就怪模型太大，在家也不干什么，看着便宜，就他划算，老小区，没光纤，没法升级，下车要换移动和电信了

2、运行

我们都用了默认的参数，只是演示一下

跑完了,

$INFO$ Prompt executed in 00:29:12

时间够长

我们打开enable_turbo_mode,现在不用搞清楚什么意思，就看能不能跑，与lora加速有关

$INFO$ Prompt executed in 190.14 seconds

效果明显，当然这个有第二次运行可能缓存里已经有数据有关。大家可以试试清楚缓存或重启comfyui

后续说明

下一篇我们将详细解释节点参数，并且实验多种模型，已经说明他们的区别