RTX 4090 Ubuntu + ComfyUI + comfy-kitchen 0.2.41 完整部署文档

适用目标: Ubuntu x86_64、NVIDIA RTX 4090 24GB、现有 NVIDIA Driver 570.211.01;不升级到 R580;使用 CUDA Toolkit 12.8、PyTorch 2.11.0 CUDA 12.8,并从源码编译 comfy-kitchen 0.2.41。

重要: 这是一条针对现有 570 驱动的 CUDA 12.8 源码构建路线,不是当前 ComfyUI 上游对所有新版本的默认推荐配置。ComfyUI 当前 README 已写明 NVIDIA 20 系列及以上推荐/要求 PyTorch CUDA 13.0 或以上;因此需要固定并记录实际验证通过的 ComfyUI Git commit。若直接升级到未来的 ComfyUI main,必须重新检查其 PyTorch/CUDA 要求。


1. 最终版本基线

采用以下版本组合:

项目 目标版本/配置 说明
GPU NVIDIA GeForce RTX 4090 24GB Compute Capability 8.9,编译架构为 89
NVIDIA Driver 570.211.01 保留当前驱动,不安装驱动升级包
驱动报告的 CUDA 能力 12.8 nvidia-smi 显示值,不等同于已安装 Toolkit
CUDA Toolkit 12.8.x 需要 nvcc,供 comfy-kitchen 源码编译
Python 3.12.3 使用 Python 3.12 虚拟环境
PyTorch 2.11.0 + cu128 满足 comfy-kitchen 的 PyTorch 最低版本要求
torchvision 0.26.0 + cu128 与 PyTorch 2.11.0 配套
torchaudio 2.11.0 + cu128 可选;本方案按现有环境安装
comfy-kitchen 0.2.41 必须从源码编译 CUDA 扩展,不能直接用要求 R580 的 CUDA 13 预编译 Wheel
CMake >= 3.26 需要支持 Development.SABIModule
nanobind >= 2.0 comfy-kitchen Python/C++ 扩展绑定
ComfyUI 固定实际验证通过的 Git commit 不要不加检查地追随 main

1.1 为什么不直接安装 comfy-kitchen 的预编译 Wheel?

comfy-kitchen 当前官方说明区分两条路线:

  • 预编译 CUDA Wheel: CUDA Runtime >= 13.0,预编译包要求 NVIDIA R580+ 驱动。
  • 源码编译: CUDA Toolkit >= 12.8,并设置 CUDA_HOME;同时要求 PyTorch >= 2.7、nanobind >= 2.0、CMake >= 3.26。

本服务器没有 R580+ 驱动,因此走第二条路线:使用 CUDA Toolkit 12.8 编译本机的 SM 89 扩展。

1.2 570.211.01 是否能使用 CUDA 12.8?

可以。NVIDIA CUDA 12.8 GA 的 Linux 驱动最低版本为 570.26;CUDA 12.8 Update 1 对应最低驱动为 570.124.06。当前 570.211.01 高于上述版本。安装 Toolkit 时仍应确认实际 nvcc 版本,并避免安装会替换驱动的元包。

1.3 ComfyUI 版本兼容边界

截至本文件编写时,ComfyUI 上游 README 已说明 NVIDIA 20 系列及以上使用 CUDA 13.0 或以上的 PyTorch。此要求与当前 570 驱动的 CUDA 12.8 路线存在版本边界。

因此:

  1. 本文可以确保 comfy-kitchen 0.2.41 按 CUDA 12.8 源码构建的流程完整。
  2. ComfyUI 本身是否与 torch 2.11.0+cu128 完全兼容,取决于你固定的 ComfyUI 代码版本及其功能要求。
  3. 一旦某个 ComfyUI commit 明确要求 cu130,不能靠重新编译 comfy-kitchen 解决;要么固定到兼容 cu128 的 ComfyUI commit,要么将来升级驱动至支持 CUDA 13 的版本。

2. 本次遇到的报错与根因汇总

报错/现象 根本原因 正确处理
infer_schema ... stride has unsupported type list[int] 原 PyTorch 2.4.1 太旧,不能满足该版 comfy-kitchen 的自定义算子注册要求 使用 PyTorch >= 2.7;本方案固定 2.11.0+cu128
kornia 0.9.0 requires torch>=2.5.1 PyTorch 降级到 2.4.1 后产生依赖冲突 PyTorch 2.11.0 满足该依赖;安装完成后运行 pip check
OSError: [Errno 28] No space left on device 根分区 / 仅剩约 1GB,pip 默认临时目录 /tmp 位于根分区;大 Wheel 下载/解包需要临时空间 将 TMPDIR、TMP、TEMP、PIP_CACHE_DIR 全部放到 /data
pip cache ... not owned or not writable /data/cache/pip 所有者或权限不正确 将该专用目录归当前部署用户所有,并赋予可写权限
could not create build/lib... Permission denied comfy-kitchen 源码目录或历史 build 目录可能由 root 创建 对源码目录和专用构建目录修复所有权;禁止使用 sudo pip
CMake Could NOT find Python ... Development.Module Development.SABIModule Python 解释器存在,但缺 Python 开发头文件/开发模块 Ubuntu 安装匹配版本的 python3.12-dev,并验证 Python.h
fatal error: flash.h: No such file or directory Git clone 时没有递归下载 FlashAttention 子模块 使用 git clone --recurse-submodules,或 git submodule update --init --recursive
CUTLASS not found ... int8 GEMM uses cuBLAS only CUTLASS 子模块未下载 不是当前编译失败的直接原因,但会失去 CUTLASS 优化;递归初始化子模块
project.license ... deprecated / License classifiers deprecated setuptools 对上游项目元数据的弃用提醒 非致命警告,无需修改 comfy-kitchen 源码
CUDA variable was set but never used、loop is not reachable 等 warning NVCC 代码警告 通常不影响构建;只要没有 error、fatal error 且最终 Wheel 生成即可

3. 目录规划与磁盘空间要求

建议统一使用以下目录:

text 复制代码
/data/data/ComfyUI/             # ComfyUI 主程序和 venv
/data/data/comfy-kitchen-src/   # comfy-kitchen 源码及编译目录
/data/data/wheels/              # 编译后的 Wheel
/data/tmp/pip-install/          # pip、Python 构建临时目录
/data/cache/pip/                # pip 缓存
/data/models/                   # 模型目录(可按实际配置)

3.1 检查磁盘

bash 复制代码
df -h / /data /tmp
df -i / /data

本服务器之前的情况是:根分区 / 只有约 1GB 可用,而 /data 有数百 GB 可用空间。即使使用 --no-cache-dir,pip 仍然需要临时目录,因此必须设置 TMPDIR。

建议:

  • /data 至少预留 20GB 以上给 Python Wheel、源码和编译产物;本服务器当前空间充足。
  • 如果需要新安装 CUDA Toolkit,先确认根分区有足够空间。Toolkit 安装在 /usr/local/cuda-12.8,通常仍占用根分区;建议预留至少 10GB,空间不足时先清理或扩容。
  • 不要把整个 /data 分区递归 chown 给某个用户。

4. 系统与 GPU 环境预检查

以下命令以普通部署用户执行:

bash 复制代码
whoami
id
lsb_release -a
uname -m
nvidia-smi
gcc --version
which nvcc || true
nvcc --version 2>/dev/null || true

必须确认:

  • 架构为 x86_64。
  • nvidia-smi 能识别 RTX 4090。
  • 驱动为当前的 570.211.01 或兼容的 570 系列驱动。
  • Python 3.12 能正常运行。

检查 Python:

bash 复制代码
python3.12 --version

预期为 Python 3.12.3(或你已验证的同一 Python 3.12 小版本)。


5. 安装系统编译依赖

以下示例假设系统使用 Ubuntu 24.04,Python 3.12 是系统 Python。若使用 Ubuntu 22.04 或自行编译的 Python 3.12,需确保安装的开发头文件与实际 Python 安装前缀、版本匹配。

bash 复制代码
sudo apt update
sudo apt install -y \
  git wget curl ca-certificates \
  build-essential pkg-config \
  python3.12 python3.12-venv python3.12-dev \
  ninja-build

检查 Python 开发头文件:

bash 复制代码
python3.12 - <<'PY'
import sysconfig
from pathlib import Path

include = Path(sysconfig.get_path("include"))
print("Python include:", include)
print("Python.h:", include / "Python.h")
assert (include / "Python.h").is_file(), "缺少 Python 开发头文件,请安装匹配版本的 python3.12-dev"
print("Python development headers: OK")
PY

正常情况下应看到 Python.h 存在。缺少该文件时不要继续编译。


6. 安装 CUDA Toolkit 12.8(仅缺少 nvcc 时执行)

如果已经存在 /usr/local/cuda-12.8/bin/nvcc,且 nvcc --version 显示 CUDA 12.8,可以跳过本节。

bash 复制代码
ls -l /usr/local/cuda-12.8/bin/nvcc
/usr/local/cuda-12.8/bin/nvcc --version

如果没有 CUDA Toolkit,按系统版本添加 NVIDIA 软件源。下面支持 Ubuntu 22.04 和 24.04:

bash 复制代码
source /etc/os-release
case "$VERSION_ID" in
  "22.04") CUDA_REPO="ubuntu2204" ;;
  "24.04") CUDA_REPO="ubuntu2404" ;;
  *) echo "当前示例未覆盖 Ubuntu $VERSION_ID,请先核对 NVIDIA 对应仓库"; exit 1 ;;
esac

mkdir -p /data/tmp
wget -O /data/tmp/cuda-keyring.deb \
  "https://developer.download.nvidia.com/compute/cuda/repos/${CUDA_REPO}/x86_64/cuda-keyring_1.1-1_all.deb"
sudo dpkg -i /data/tmp/cuda-keyring.deb
sudo apt-get update

只安装 Toolkit,不安装驱动元包:

bash 复制代码
sudo apt-get install -y cuda-toolkit-12-8

不要为了本方案执行以下安装:

text 复制代码
cuda
cuda-12-8
cuda-drivers

这些元包可能拉取或升级 NVIDIA 驱动。这里需要的是 cuda-toolkit-12-8。

设置 CUDA 环境:

bash 复制代码
export CUDA_HOME=/usr/local/cuda-12.8
export PATH="$CUDA_HOME/bin:$PATH"
export LD_LIBRARY_PATH="$CUDA_HOME/lib64:${LD_LIBRARY_PATH:-}"

nvcc --version

预期输出中包含 CUDA 12.8。之前实际构建日志检测到 12.8.93,并成功识别 /usr/local/cuda-12.8。


7. 创建目录并固定 pip 临时空间到 /data

由于服务器根分区磁盘空间不够,用下面方式解决磁盘空间不够的问题。以下命令由部署用户执行。若目录已存在且由 root 创建,先按实际情况修复所有权。

bash 复制代码
mkdir -p /data/data /data/data/wheels
mkdir -p /data/tmp/pip-install /data/cache/pip

# 仅修复这些专用目录,不要对整个 /data 执行 chown
sudo chown -R "$(id -un):$(id -gn)" \
  /data/tmp/pip-install \
  /data/cache/pip \
  /data/data/wheels

chmod 700 /data/tmp/pip-install
chmod 700 /data/cache/pip
chmod 755 /data/data/wheels

设置当前 Shell 环境:

bash 复制代码
export TMPDIR=/data/tmp/pip-install
export TMP=/data/tmp/pip-install
export TEMP=/data/tmp/pip-install
export PIP_CACHE_DIR=/data/cache/pip

验证:

bash 复制代码
python3.12 - <<'PY'
import tempfile
print("Python temp dir:", tempfile.gettempdir())
PY

df -h / /data

Python temp dir 必须输出 /data/tmp/pip-install。

为了后续登录自动生效,可以将下列内容追加到 ~/.bashrc:

bash 复制代码
cat >> ~/.bashrc <<'BASHRC'

# ComfyUI / Python build locations
export TMPDIR=/data/tmp/pip-install
export TMP=/data/tmp/pip-install
export TEMP=/data/tmp/pip-install
export PIP_CACHE_DIR=/data/cache/pip
export CUDA_HOME=/usr/local/cuda-12.8
export PATH="$CUDA_HOME/bin:$PATH"
export LD_LIBRARY_PATH="$CUDA_HOME/lib64:${LD_LIBRARY_PATH:-}"
BASHRC

source ~/.bashrc

8. 获取 ComfyUI 并创建虚拟环境

如果是全新部署:

bash 复制代码
cd /data/data
git clone https://github.com/Comfy-Org/ComfyUI.git ComfyUI

如果 /data/data/ComfyUI 已经存在,不要重复 clone。进入目录检查仓库:

bash 复制代码
cd /data/data/ComfyUI
git status --short
git rev-parse HEAD

版本固定要求: 第一次成功部署后,保存 ComfyUI commit SHA;以后新机器重装时 checkout 到这一个已验证 SHA,而不是直接拉取最新 main。例如:

bash 复制代码
git rev-parse HEAD | tee /data/data/ComfyUI.commit

新环境复现时:

bash 复制代码
# 在 ComfyUI 仓库目录执行;COMMIT_FILE 应从备份中恢复
# git checkout "$(cat /data/data/ComfyUI.commit)"

创建 Python 3.12 虚拟环境:

bash 复制代码
cd /data/data/ComfyUI
python3.12 -m venv venv
source venv/bin/activate

python --version
which python

预期 which python 指向:

text 复制代码
/data/data/ComfyUI/venv/bin/python

升级基础打包工具:

bash 复制代码
python -m pip install --no-cache-dir --upgrade pip wheel "setuptools<82"

所有 Python 包安装都使用 python -m pip,不要使用 sudo pip。


9. 安装 PyTorch 2.11.0 + CUDA 12.8

PyTorch 官方版本页面列出了 Linux CUDA 12.8 对应的组合:

  • torch 2.11.0
  • torchvision 0.26.0
  • torchaudio 2.11.0

执行:

bash 复制代码
cd /data/data/ComfyUI
source venv/bin/activate

export TMPDIR=/data/tmp/pip-install
export TMP=/data/tmp/pip-install
export TEMP=/data/tmp/pip-install
export PIP_CACHE_DIR=/data/cache/pip

python -m pip install --no-cache-dir \
  --timeout 120 \
  --retries 5 \
  torch==2.11.0 \
  torchvision==0.26.0 \
  torchaudio==2.11.0 \
  --index-url https://download.pytorch.org/whl/cu128

安装后验证:

bash 复制代码
python - <<'PY'
import torch
import torchvision
import torchaudio

print("torch:", torch.__version__)
print("torchvision:", torchvision.__version__)
print("torchaudio:", torchaudio.__version__)
print("torch CUDA runtime:", torch.version.cuda)
print("CUDA available:", torch.cuda.is_available())

assert torch.cuda.is_available(), "PyTorch 没有识别到 CUDA"
print("GPU:", torch.cuda.get_device_name(0))
print("Compute Capability:", torch.cuda.get_device_capability(0))
print("VRAM GiB:", round(torch.cuda.get_device_properties(0).total_memory / 1024**3, 2))

x = torch.randn(1024, 1024, device="cuda")
y = x @ x
torch.cuda.synchronize()
print("CUDA matrix test:", y.shape)
PY

RTX 4090 应显示 Compute Capability (8, 9)。若这里失败,不要继续编译 comfy-kitchen;先解决 PyTorch/CUDA 基础问题。


10. 安装 ComfyUI 其余依赖,但暂缓安装预编译 comfy-kitchen

ComfyUI requirements.txt 中包含 comfy-kitchen==0.2.41。在当前 570 驱动环境下,不能让 pip 把预编译 CUDA 13 Wheel 当作最终版本使用;我们稍后安装本机源码编译的 CUDA 12.8 Wheel。

先生成排除 torch、torchvision、torchaudio、comfy-kitchen 的依赖清单:

bash 复制代码
cd /data/data/ComfyUI

grep -Eiv '^[[:space:]]*(torch|torchvision|torchaudio|comfy-kitchen)([[:space:]<>=!~;].*)?$' \
  requirements.txt > /data/tmp/comfyui-requirements-no-torch-kitchen.txt

cat /data/tmp/comfyui-requirements-no-torch-kitchen.txt

安装其余依赖:

bash 复制代码
python -m pip install --no-cache-dir \
  -r /data/tmp/comfyui-requirements-no-torch-kitchen.txt

检查 PyTorch 没被替换:

bash 复制代码
python -c 'import torch; print(torch.__version__, torch.version.cuda)'

应仍为 2.11.0+cu128(具体版本字符串以 pip 显示为准)。


11. 获取 comfy-kitchen 0.2.41 源码(必须递归获取子模块)

这是避免 flash.h 缺失的关键步骤。 comfy-kitchen 使用两个 Git 子模块:

  • third_party/flash-attention:提供 flash.h。
  • third_party/cutlass:提供 CUTLASS 头文件;缺失时部分矩阵计算会回退到 cuBLAS。

全新获取源码时必须加 --recurse-submodules:

bash 复制代码
cd /data/data

git clone --depth 1 --recurse-submodules \
  https://github.com/Comfy-Org/comfy-kitchen.git \
  comfy-kitchen-src

如果源码目录已经存在,则执行:

bash 复制代码
cd /data/data/comfy-kitchen-src
git submodule sync --recursive
git submodule update --init --recursive

检查源码版本:

bash 复制代码
cd /data/data/comfy-kitchen-src
grep -n '^version = ' pyproject.toml

本方案目标是 0.2.41。如果仓库已经变成其他版本,应先核对该版本的要求,不要盲目继续使用本文件中的固定组合。

检查子模块和头文件:

bash 复制代码
git submodule status --recursive

find third_party/flash-attention -name flash.h

test -f third_party/flash-attention/csrc/flash_attn/src/flash.h \
  && echo "FlashAttention flash.h: OK" \
  || { echo "ERROR: flash.h 缺失,停止编译"; exit 1; }

test -f third_party/cutlass/include/cutlass/version.h \
  && echo "CUTLASS headers: OK" \
  || echo "WARNING: CUTLASS 未就绪,部分 INT8 GEMM 将回退到 cuBLAS"

记录源码版本和子模块提交,便于将来复现:

bash 复制代码
git rev-parse HEAD | tee /data/data/comfy-kitchen.commit
git submodule status --recursive | tee /data/data/comfy-kitchen-submodules.lock

12. 安装 comfy-kitchen 源码编译依赖

继续使用 ComfyUI 的虚拟环境:

bash 复制代码
cd /data/data/ComfyUI
source venv/bin/activate

安装构建工具:

bash 复制代码
python -m pip install --no-cache-dir \
  "cmake>=3.26" \
  "nanobind>=2.0.0"

系统已安装 ninja-build。检查版本和路径:

bash 复制代码
cmake --version
ninja --version
python -c 'import nanobind; print("nanobind", nanobind.__version__)'
python -c 'import torch; print("torch", torch.__version__, "CUDA", torch.version.cuda)'
nvcc --version

12.1 再次确认 Python 开发头文件

bash 复制代码
python - <<'PY'
import sys
import sysconfig
from pathlib import Path

print("Python:", sys.executable)
print("Python version:", sys.version)
include = Path(sysconfig.get_path("include"))
print("Include directory:", include)
print("Python.h exists:", (include / "Python.h").is_file())
assert (include / "Python.h").is_file(), "缺少 Python.h;请安装与当前 Python 匹配的 python3.12-dev"
PY

CMake 必须能找到 Interpreter、Development.Module 和 Development.SABIModule。如果这里缺头文件,回到第 5 节修复,不要继续。


13. 编译 comfy-kitchen CUDA 扩展

13.1 设置编译环境

bash 复制代码
cd /data/data/comfy-kitchen-src
source /data/data/ComfyUI/venv/bin/activate

export TMPDIR=/data/tmp/pip-install
export TMP=/data/tmp/pip-install
export TEMP=/data/tmp/pip-install
export PIP_CACHE_DIR=/data/cache/pip

export CUDA_HOME=/usr/local/cuda-12.8
export PATH="$CUDA_HOME/bin:$PATH"
export LD_LIBRARY_PATH="$CUDA_HOME/lib64:${LD_LIBRARY_PATH:-}"

# RTX 4090 = SM 89;只编译此架构,减少构建时间
export COMFY_CUDA_ARCHS=89

确认:

bash 复制代码
nvcc --version
python -c 'import torch; print(torch.__version__, torch.version.cuda)'
python -c 'import sys; print(sys.executable)'

13.2 修复源码目录所有权

确保编译目录由当前普通用户拥有:

bash 复制代码
sudo chown -R "$(id -un):$(id -gn)" /data/data/comfy-kitchen-src
sudo chown -R "$(id -un):$(id -gn)" /data/data/wheels
chmod 755 /data/data/wheels

不要使用 sudo python -m pip 或 sudo pip。

13.3 清理旧构建产物

bash 复制代码
cd /data/data/comfy-kitchen-src
rm -rf build dist ./*.egg-info
find /data/data/wheels -maxdepth 1 \
  -name 'comfy_kitchen-0.2.41-*.whl' -delete

13.4 开始编译

bash 复制代码
set -o pipefail

COMFY_CUDA_ARCHS=89 \
CUDA_HOME=/usr/local/cuda-12.8 \
python -m pip wheel \
  --no-build-isolation \
  --no-deps \
  -v . \
  -w /data/data/wheels \
  2>&1 | tee /data/tmp/comfy-kitchen-build.log

说明:

  • --no-build-isolation:使用当前 venv 中已安装的 PyTorch、CMake、nanobind。
  • --no-deps:不让构建过程擅自替换 PyTorch 等运行依赖。
  • COMFY_CUDA_ARCHS=89:只为 RTX 4090 编译 SM 89。
  • flash.h 依赖由第 11 节的递归子模块解决。
  • 构建中 license deprecated、未使用变量等 warning 通常不是致命错误;应以是否出现 error/fatal error 和最终 Wheel 是否生成判断。

13.5 检查构建产物

bash 复制代码
ls -lh /data/data/wheels/
find /data/data/wheels -maxdepth 1 -type f -name 'comfy_kitchen-0.2.41-*.whl'

必须能找到一个 comfy_kitchen-0.2.41-*.whl 文件。没有 Wheel 就不能继续安装。


14. 安装本机 CUDA 12.8 编译的 comfy-kitchen Wheel

bash 复制代码
cd /data/data/ComfyUI
source venv/bin/activate

# 删除之前可能安装的 PyPI 预编译包
python -m pip uninstall -y comfy-kitchen

WHEEL=$(find /data/data/wheels -maxdepth 1 \
  -type f -name 'comfy_kitchen-0.2.41-*.whl' -print -quit)

if [ -z "$WHEEL" ]; then
  echo "ERROR: 没找到 comfy-kitchen 0.2.41 Wheel"
  exit 1
fi

python -m pip install --no-deps --force-reinstall "$WHEEL"

检查依赖:

bash 复制代码
python -m pip check
python -m pip show comfy-kitchen

如 pip check 报出其他自定义节点依赖冲突,应按实际错误处理;不要为了消除无关警告随意升级 torch。


15. 最终验证:必须验证 CUDA 后端,而不只是 torch 能调用 GPU

运行:

bash 复制代码
cd /data/data/ComfyUI
source venv/bin/activate

python - <<'PY'
import torch
import torchvision
import torchaudio
import comfy_kitchen as ck

print("torch:", torch.__version__)
print("torchvision:", torchvision.__version__)
print("torchaudio:", torchaudio.__version__)
print("torch CUDA runtime:", torch.version.cuda)
print("CUDA available:", torch.cuda.is_available())

assert torch.cuda.is_available(), "PyTorch CUDA 不可用"
print("GPU:", torch.cuda.get_device_name(0))
print("Capability:", torch.cuda.get_device_capability(0))

backends = ck.list_backends()
print("comfy-kitchen backends:", backends)
assert "cuda" in backends, "comfy-kitchen CUDA backend 未注册"

# 按 comfy-kitchen 官方 Quick Start 示例,显式请求 cuda backend
x = torch.randn(100, 100, device="cuda")
scale = torch.tensor([1.0], device="cuda")
y = ck.quantize_per_tensor_fp8(x, scale, backend="cuda")
torch.cuda.synchronize()
print("comfy-kitchen CUDA op passed; output type:", type(y))

# 再做一次普通 torch CUDA 运算
z = torch.randn(1024, 1024, device="cuda")
_ = z @ z
torch.cuda.synchronize()
print("PyTorch CUDA matrix test: PASS")
PY

必须同时满足:

  1. torch.cuda.is_available() 为 True。
  2. GPU 是 RTX 4090,Compute Capability 是 (8, 9)。
  3. ck.list_backends() 包含 cuda。
  4. 显式 backend="cuda" 的 comfy-kitchen 算子能够执行。

仅仅 torch.cuda.is_available() == True 并不能证明 comfy-kitchen 原生 CUDA 扩展已成功加载。


16. 启动 ComfyUI

bash 复制代码
cd /data/data/ComfyUI
source venv/bin/activate

export CUDA_HOME=/usr/local/cuda-12.8
export PATH="$CUDA_HOME/bin:$PATH"
export LD_LIBRARY_PATH="$CUDA_HOME/lib64:${LD_LIBRARY_PATH:-}"

python main.py --listen 0.0.0.0 --port 8188

浏览器访问:

text 复制代码
http://服务器IP:8188

启动日志中不应再出现:

text 复制代码
ValueError: infer_schema ... unsupported type list[int]

也不应出现 comfy-kitchen CUDA 扩展无法导入的错误。随后用实际工作流做一次出图测试。


17. 首次成功后保存版本锁定信息(强烈建议)

为了下一台机器或系统重装时真正做到可复现,保存所有版本和 Git commit:

bash 复制代码
cd /data/data/ComfyUI
source venv/bin/activate

python -m pip freeze > /data/data/comfyui-requirements-lock.txt

git rev-parse HEAD > /data/data/ComfyUI.commit

git -C /data/data/comfy-kitchen-src rev-parse HEAD \
  > /data/data/comfy-kitchen.commit

git -C /data/data/comfy-kitchen-src submodule status --recursive \
  > /data/data/comfy-kitchen-submodules.lock

nvidia-smi > /data/data/nvidia-smi-build-info.txt
nvcc --version > /data/data/cuda-toolkit-build-info.txt 2>&1

建议将以下文件备份到另一块磁盘或版本库:

text 复制代码
comfyui-requirements-lock.txt
ComfyUI.commit
comfy-kitchen.commit
comfy-kitchen-submodules.lock
nvidia-smi-build-info.txt
cuda-toolkit-build-info.txt

下一次复现时,先 checkout 保存的 ComfyUI 和 comfy-kitchen commit,再执行子模块更新,避免代码版本漂移。


18. 常见故障速查

18.1 list[int] / infer_schema 报错

确认不是旧 Torch:

bash 复制代码
python -c 'import torch; print(torch.__version__)'

本方案应使用 torch 2.11.0+cu128,不要恢复到 2.4.1。

18.2 pip 再次报 No space left on device

bash 复制代码
python -c 'import tempfile; print(tempfile.gettempdir())'

必须是 /data/tmp/pip-install。再检查:

bash 复制代码
df -h / /data
ls -ld /data/tmp/pip-install /data/cache/pip

18.3 pip 提示 cache 目录不可写

bash 复制代码
sudo chown -R "$(id -un):$(id -gn)" /data/cache/pip
chmod 700 /data/cache/pip

18.4 build/lib... Permission denied

bash 复制代码
sudo chown -R "$(id -un):$(id -gn)" /data/data/comfy-kitchen-src
sudo chown -R "$(id -un):$(id -gn)" /data/data/wheels

不要用 sudo 执行 pip 编译。

18.5 CMake 找不到 Python Development/SABIModule

bash 复制代码
sudo apt install -y python3.12-dev

然后检查:

bash 复制代码
python -c 'import sysconfig; print(sysconfig.get_path("include"))'
ls -l /usr/include/python3.12/Python.h
cmake --version

如果 Python 是自行编译到 /usr/local,必须安装对应前缀下的开发头文件,不能误用另一个 Python 版本的头文件。

18.6 fatal error: flash.h: No such file or directory

bash 复制代码
cd /data/data/comfy-kitchen-src
git submodule sync --recursive
git submodule update --init --recursive
find third_party/flash-attention -name flash.h

必须存在:

text 复制代码
third_party/flash-attention/csrc/flash_attn/src/flash.h

18.7 CUTLASS not found

bash 复制代码
cd /data/data/comfy-kitchen-src
git submodule update --init --recursive
test -f third_party/cutlass/include/cutlass/version.h

如果 CUTLASS 缺失,当前 CMake 会提示 INT8 GEMM 走 cuBLAS;不是 flash.h 那类必然终止编译的错误,但建议补齐子模块。

18.8 CUDA Available=True,但 comfy-kitchen 不包含 cuda backend

确认本机编译的 Wheel 是否被安装,而不是后来又被 pip install -r requirements.txt 替换为 PyPI Wheel:

bash 复制代码
python -m pip show comfy-kitchen
python - <<'PY'
import comfy_kitchen as ck
print(ck.__file__)
print(ck.list_backends())
PY

重新安装 /data/data/wheels/ 下本机编译的 Wheel,并显式测试 CUDA 算子。

相关推荐
咕泡科技28 分钟前
关于机器学习,如何通俗理解全连接层(fully connected layer)?
人工智能·深度学习·机器学习
龙腾AI白云1 小时前
具身智能模仿学习与人类示教:从观察中习得动作
数据库·机器学习·知识图谱·pygame
电科_银尘1 小时前
【大模型算法与工程 01】机器学习的问题定义:监督、无监督、自监督与强化学习
人工智能·算法·机器学习
Z21-X1 小时前
云原生运维学习笔记:从操作系统底层到 Kubernetes 集群的深度实践
运维·笔记·学习·云原生·kubernetes
罗西的思考14 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考14 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
benchmark_cc15 小时前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
武子康15 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
阿里云云原生16 小时前
决策模型 Jev 可以直接上生产?用实验和公式理解 logit 调优与训练要领
云原生