当前位置：首页>Linux>ComfyUI_Linux_部署完全教程

ComfyUI_Linux_部署完全教程

  • 2026-10-11 06:14:16
ComfyUI_Linux_部署完全教程

ComfyUI Linux 服务器部署完全教程：从安装到多模型实战（RTX A6000 生产环境）

本文基于 Ubuntu 22.04 + NVIDIA RTX A6000 + Python venv 的真实生产环境，手把手教你完成 ComfyUI 的完整部署、模型配置、插件安装和实战出图。不同于常见的 Windows 桌面教程，本文聚焦服务器级部署，涵盖远程访问、多模型管理、后台服务等运维实战内容，适合需要在 Linux 服务器上搭建 AI 绘图平台的开发者或运维人员。

📋 文章目录

  • 前言
  • 一、环境准备
  • 二、安装 Python 虚拟环境（venv）
  • 三、安装 PyTorch（CUDA 11.8）
  • 四、下载 ComfyUI 源码
  • 五、安装 ComfyUI 依赖
  • 六、启动 ComfyUI 与远程访问配置
  • 七、模型下载与目录配置
  • 八、安装自定义节点（插件）
  • 九、实战：使用 ComfyUI 生成图片
  • 十、运维进阶：Systemd 服务与防火墙
  • 十一、常见问题排查
  • 总结
  • 📬 资料领取与交流

前言

ComfyUI 是一款基于节点式工作流的 Stable Diffusion 前端工具，相比 WebUI（Automatic1111），它的优势在于：

  • 工作流灵活
    ：通过连接节点构建复杂的图像生成流程，支持文生图、图生图、视频生成、图像编辑等多种场景
  • 显存优化
    ：出色的显存管理机制，同等硬件下能加载更大的模型
  • 生态丰富
    ：支持 Flux、SDXL、Qwen Image、LTX Video 等主流模型，社区插件活跃

本文的环境是一台真实运行的生产服务器，配置如下：

项目
配置
操作系统
Ubuntu 22.04.5 LTS
GPU
NVIDIA RTX A6000（48GB 显存）
内存
128GB
磁盘
18TB（/data 分区）
Python
3.10.12
PyTorch
2.7.1+cu118
CUDA
11.8
ComfyUI 安装路径
/data/ai/ComfyUI-master

为什么选 venv 而不是 Conda？ 服务器环境下 venv 更轻量，不会引入额外的 Conda 依赖层，且与系统 Python 兼容性更好。对于运维场景，venv 是更干净的选择。

一、环境准备

1.1 硬件要求

ComfyUI 对硬件有一定要求，以下是参考配置：

级别
GPU
显存
适用场景
最低
RTX 3060
8GB
SD 1.5 基础出图
推荐
RTX 3090/4090
24GB
SDXL、Flux 出图
专业
RTX A6000/A100
48GB/80GB
多模型并行、大批量生成

本文环境为 RTX A6000（48GB 显存），可以流畅运行 Flux Dev、Qwen Image Edit 等大参数模型。

1.2 检查 NVIDIA 驱动

# 查看 GPU 信息nvidia-smi# 确认驱动版本（需 >= 520.61.05 以支持 CUDA 11.8）nvidia-smi | grep "Driver Version"

正常输出应显示 GPU 型号、显存、驱动版本和 CUDA 版本：

坑点提示：如果遇到 Failed to initialize NVML: Driver/library version mismatch，说明内核模块版本与用户态库不匹配。通常是驱动更新后未重启，执行 sudo reboot 重启服务器即可解决。

1.3 确认 Python 版本

Ubuntu 22.04 自带 Python 3.10，满足 ComfyUI 要求：

python3 --version# 输出: Python 3.10.12

如果系统 Python 版本过低，建议使用 pyenv 安装 Python 3.10+。

二、安装 Python 虚拟环境（venv）

2.1 安装 python3-venv

Ubuntu 系统默认可能未安装 venv 模块：

sudo apt updatesudo apt install -y python3-venv python3-pip

2.2 创建虚拟环境

选择一个合适的目录存放虚拟环境，本文使用 /data/ai/venv：

# 创建项目目录mkdir -p /data/ai# 创建虚拟环境python3 -m venv /data/ai/venv

2.3 激活虚拟环境

source /data/ai/venv/bin/activate

激活后，终端前缀会显示 (venv)：

(venv) root@llmserver:/data/ai#

提示：后续所有 pip install 命令都需要在激活 venv 的状态下执行。也可以直接使用 /data/ai/venv/bin/pip 和 /data/ai/venv/bin/python 来操作，无需激活。

2.4 升级 pip

/data/ai/venv/bin/pip install --upgrade pip

三、安装 PyTorch（CUDA 11.8）

PyTorch 是 ComfyUI 的核心计算框架，需要根据 CUDA 版本选择对应的安装命令。

3.1 确认 CUDA 版本

nvidia-smi | grep "CUDA Version"# 输出: CUDA Version: 11.8

3.2 安装 PyTorch（CUDA 11.8 版）

/data/ai/venv/bin/pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

版本说明：本文安装的是 PyTorch 2.7.1+cu118。如果 NVIDIA 驱动支持更高版本 CUDA（如 12.1/12.4），也可以选择对应的 PyTorch 版本，命令中将 cu118 替换为 cu121 或 cu124 即可。

3.3 验证安装

/data/ai/venv/bin/python -c "import torchprint(f'PyTorch 版本: {torch.__version__}')print(f'CUDA 可用: {torch.cuda.is_available()}')print(f'CUDA 版本: {torch.version.cuda}')print(f'GPU 设备: {torch.cuda.get_device_name(0)}')"

正常输出：

PyTorch 版本: 2.7.1+cu118CUDA 可用: TrueCUDA 版本: 11.8GPU 设备: NVIDIA RTX A6000

四、下载 ComfyUI 源码

4.1 方式一：Git 克隆（推荐）

# 安装 git（如果尚未安装）sudo apt install -y git# 克隆 ComfyUI 源码cd /data/aigit clone https://github.com/comfyanonymous/ComfyUI.git ComfyUI-master

4.2 方式二：下载 ZIP 包

如果服务器无法访问 GitHub 或没有 Git，可以从官网下载 ZIP 包：

cd /data/aiwget https://github.com/comfyanonymous/ComfyUI/archive/refs/heads/master.zip -O ComfyUI.zipunzip ComfyUI.zipmv ComfyUI-master ComfyUI-master  # 如果解压后名称不同，重命名

也可以从 ComfyUI Releases 页面下载指定版本。

4.3 目录结构说明

下载完成后，ComfyUI 的主要目录结构如下：

/data/ai/ComfyUI-master/├── main.py                 # 启动入口├── comfy/                  # 核心代码├── comfy_extras/           # 扩展功能├── models/                 # 模型存放目录（核心！）│   ├── checkpoints/        # 基础模型（SD 1.5, SDXL）│   ├── diffusion_models/   # 扩散模型（Flux, Qwen Image）│   ├── loras/              # LoRA 微调模型│   ├── vae/                # VAE 编码/解码器│   ├── controlnet/         # ControlNet 模型│   ├── clip/               # CLIP 文本编码器│   └── ...├── custom_nodes/           # 自定义节点（插件）├── output/                 # 生成图片输出目录├── input/                  # 输入图片目录（图生图用）├── requirements.txt        # Python 依赖清单└── extra_model_paths.yaml.example  # 外部模型路径配置模板

五、安装 ComfyUI 依赖

5.1 安装系统依赖

部分 Python 包需要系统级依赖：

sudo apt install -y libgl1 libglib2.0-0 libsm6 libxext6 libxrender-dev

5.2 安装 Python 依赖

cd /data/ai/ComfyUI-master/data/ai/venv/bin/pip install -r requirements.txt

等待安装完成（通常 3-5 分钟）。主要依赖包括：

包名
用途
torch / torchvision
深度学习框架
safetensors
安全模型文件加载
transformers
HuggingFace 模型支持
kornia
计算机视觉运算
accelerate
分布式加速
einops
张量操作

5.3 验证依赖完整性

/data/ai/venv/bin/pip list | grep -iE 'torch|safetensors|transformers|kornia|accelerate'

六、启动 ComfyUI 与远程访问配置

6.1 基本启动

cd /data/ai/ComfyUI-master/data/ai/venv/bin/python main.py

默认监听 127.0.0.1:8188，只能在本机访问。

6.2 远程访问配置（重点！）

服务器环境下通常需要远程访问，通过 --listen 参数监听所有网络接口：

/data/ai/venv/bin/python main.py --listen 0.0.0.0 --port 8188

启动后，终端会输出：

Total VRAM 49140 MB, total RAM 127948 MBDevice: cuda:0 NVIDIA RTX A6000...To see the GUI go to: http://0.0.0.0:8188

此时在任意电脑的浏览器中访问 http://服务器IP:8188 即可打开 ComfyUI 界面：

http://172.16.124.4:8188

6.3 常用启动参数

参数
说明
示例
--listen
监听地址
--listen 0.0.0.0
（允许远程访问）
--port
监听端口
--port 8188
--lowvram
低显存模式
显存不足时使用，自动管理显存
--highvram
高显存模式
显存充足时使用，模型常驻显存
--cpu-vram
CPU 兜底
显存不够时借用内存
--preview-method
预览方式
--preview-method auto
（支持 Latent 预览）
--output-directory
输出目录
自定义图片保存路径
--disable-metadata
禁用元数据
不在图片中嵌入工作流信息

完整启动命令示例：

/data/ai/venv/bin/python main.py \  --listen 0.0.0.0 \  --port 8188 \  --preview-method auto

6.4 后台运行（nohup 方式）

临时后台运行可以使用 nohup：

cd /data/ai/ComfyUI-masternohup /data/ai/venv/bin/python main.py --listen 0.0.0.0 --port 8188 > /data/ai/comfyui.log 2>&1 &# 查看进程ps aux | grep main.py# 查看日志tail -f /data/ai/comfyui.log# 停止服务kill (pgrep -f "main.py --listen")# 重新启动cd /data/ai/ComfyUI-master/data/ai/venv/bin/python main.py --listen 0.0.0.0 --port 8188

八、安装自定义节点（插件）

自定义节点（Custom Nodes）是 ComfyUI 的扩展插件，用于增强功能。本环境安装了以下 9 个插件：

8.1 已安装插件清单

插件名称
GitHub 地址
功能说明
ComfyUI-Manager
github.com/ltdrdata/ComfyUI-Manager
🔧 插件管理器，可视化安装/更新/删除节点
ComfyUI-Impact-Pack
github.com/ltdrdata/ComfyUI-Impact-Pack
🎯 高级检测、修复、放大等增强功能
ComfyUI_IPAdapter_plus
github.com/cubiq/ComfyUI_IPAdapter_plus
🖼️ 图像风格迁移、面部一致性
comfyui_controlnet_aux
（社区）
🎮 ControlNet 预处理器（姿态/边缘/深度）
comfyui-kjnodes
（社区）
🔗 工具节点集合（遮罩、批量操作等）
comfyui_layerstyle
（社区）
🎨 图层样式（混合模式、蒙版等）
comfyui_tinyterranodes
（社区）
📐 精简工具节点
rgthree-comfy
github.com/rgthree/rgthree-comfy
⚡ 上下文节点、批处理、Mute/Bypass 快捷操作
seedvr2_videoupscaler
（社区）
🎬 视频超分辨率放大

8.2 通过 ComfyUI-Manager 安装（推荐）

安装 ComfyUI-Manager 后，可以直接在 Web 界面中管理插件：

  1. 浏览器访问 ComfyUI 界面
  2. 点击底部面板的 「Manager」 按钮
  3. 选择 「Install Custom Nodes」
  4. 搜索需要的插件名称，点击 Install
  5. 安装完成后点击 Restart 重启 ComfyUI

8.3 手动安装插件（Git Clone）

也可以通过命令行手动安装：

cd /data/ai/ComfyUI-master/custom_nodes# 安装 ComfyUI-Manager（必须最先安装）git clone https://github.com/ltdrdata/ComfyUI-Manager.git# 安装 Impact Packgit clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git# 安装 IPAdapter Plusgit clone https://github.com/cubiq/ComfyUI_IPAdapter_plus.git# 安装 ControlNet 辅助节点git clone https://github.com/Fannovel16/comfyui_controlnet_aux.git# 安装 rgthree-comfygit clone https://github.com/rgthree/rgthree-comfy.git

安装后需要安装各插件的 Python 依赖：

# 批量安装插件依赖for dir in /data/ai/ComfyUI-master/custom_nodes/*/; do    if [ -f "(basename dir/requirements.txt"    fidone

8.4 重启 ComfyUI

安装插件后需要重启服务：

kill host;        proxy_set_header X-Real-IP proxy_add_x_forwarded_for;        proxy_set_header X-Forwarded-Proto http_upgrade;        proxy_set_header Connection "upgrade";        # 大文件上传支持        client_max_body_size 100M;    }}

10.5 模型存储路径优化

如果模型文件存放在其他磁盘或共享存储，可以通过 extra_model_paths.yaml 配置外部路径：

cp /data/ai/ComfyUI-master/extra_model_paths.yaml.example /data/ai/ComfyUI-master/extra_model_paths.yaml

编辑 extra_model_paths.yaml：

shared_models:    checkpoints: /data/shared/models/checkpoints/    diffusion_models: /data/shared/models/diffusion_models/    loras: /data/shared/models/loras/    vae: /data/shared/models/vae/    # 其他模型类型同理

这样 ComfyUI 启动时会同时扫描默认目录和外部目录中的模型。

十一、常见问题排查

11.1 nvidia-smi 报错 “Driver/library version mismatch”

Failed to initialize NVML: Driver/library version mismatchNVML library version: 595.84

原因：驱动更新后内核模块未更新（未重启服务器）。

解决：

# 方法一：重启服务器（推荐）sudo reboot# 方法二：重新加载内核模块（不重启）sudo rmmod nvidia_uvm nvidia_drm nvidia_modeset nvidiasudo modprobe nvidia

注意：如果 PyTorch 能正常识别 GPU（torch.cuda.is_available() 返回 True），说明 CUDA 运行时正常，只是 NVML 接口有问题，不影响 ComfyUI 运行。

11.2 模型下拉框看不到已放入的模型

排查步骤：

# 1. 确认文件实际存在ls -lh /data/ai/ComfyUI-master/models/checkpoints/# 2. 确认文件大小不为 0（下载中断会生成 0 字节文件）find /data/ai/ComfyUI-master/models/ -name "*.safetensors" -size 0# 3. 重启 ComfyUIsudo systemctl restart comfyui# 4. 在 Web 界面点击 Manager → "Refresh" 刷新模型列表

11.3 显存不足（Out of Memory）

CUDA out of memory. Tried to allocate XX GiB

解决方案：

# 使用低显存模式启动/data/ai/venv/bin/python main.py --listen 0.0.0.0 --port 8188 --lowvram# 或使用 FP8 精度模型（文件名带 fp8 的版本）# 如 flux1-dev-kontext_fp8_scaled.safetensors（12GB）替代 flux1-dev.safetensors（23GB）

11.4 端口 8188 被占用

# 查看占用进程sudo lsof -i :8188# 或sudo ss -tlnp | grep 8188# 杀掉占用进程kill -9 <PID># 或换一个端口启动/data/ai/venv/bin/python main.py --listen 0.0.0.0 --port 8189

11.5 自定义节点加载失败

# 查看启动日志中的错误sudo journalctl -u comfyui | grep -i error# 通常是缺少依赖，进入插件目录安装cd /data/ai/ComfyUI-master/custom_nodes/<插件名>/data/ai/venv/bin/pip install -r requirements.txt# 重启服务sudo systemctl restart comfyui

11.6 远程访问不了

# 1. 确认服务正在运行sudo systemctl status comfyui# 2. 确认端口在监听sudo ss -tlnp | grep 8188# 3. 确认防火墙放行sudo ufw status# 4. 从客户端测试连通性curl -I http://172.16.124.4:8188

11.7 问题速查表

问题现象
解决方法
torch.cuda.is_available()
 返回 False
检查 NVIDIA 驱动版本、PyTorch CUDA 版本是否匹配
启动报 ModuleNotFoundError
执行 pip install -r requirements.txt
生成图片全黑
检查是否加载了正确的 VAE 模型
图片偏色
使用 sdxl_vae-fp16-fix 等修复版 VAE
Web 界面打不开
检查 --listen 0.0.0.0 参数和防火墙配置
生成速度很慢
确认 GPU 被正确识别，使用 --highvram 模式
下载模型 401 错误
HuggingFace 私有模型需要配置 Token

总结

本文基于一台真实的 Ubuntu 22.04 + RTX A6000 生产服务器，完整记录了 ComfyUI 从零部署到多模型实战的全过程。与常见的 Windows 桌面教程相比，本文重点关注了以下服务器级部署的独特内容：

  1. venv 虚拟环境
    ：比 Conda 更轻量的 Python 环境管理方案
  2. 远程访问配置
    ：通过 --listen 0.0.0.0 实现多人共享访问
  3. 多模型管理
    ：SDXL、Flux 全系列、Qwen Image 等多类模型并行部署
  4. Systemd 服务
    ：生产环境的服务管理和开机自启
  5. Nginx 反向代理
    ：支持域名访问和 HTTPS
  6. 防火墙配置
    ：UFW/firewalld 端口放行

环境关键信息速览

# 启动命令cd /data/ai/ComfyUI-master/data/ai/venv/bin/python main.py --listen 0.0.0.0 --port 8188# 访问地址http://服务器IP:8188# 模型目录/data/ai/ComfyUI-master/models/checkpoints/       # SDXL 等基础模型/data/ai/ComfyUI-master/models/diffusion_models/  # Flux 等扩散模型/data/ai/ComfyUI-master/models/loras/             # LoRA 微调模型/data/ai/ComfyUI-master/models/vae/               # VAE 编解码器# 插件目录/data/ai/ComfyUI-master/custom_nodes/# 输出目录/data/ai/ComfyUI-master/output/

核心软件版本

组件
版本
OS
Ubuntu 22.04.5 LTS
GPU
NVIDIA RTX A6000 (48GB)
Python
3.10.12
PyTorch
2.7.1+cu118
ComfyUI
最新 Master 分支
ComfyUI-Manager
4.2.2

希望这篇文章能帮助你快速在 Linux 服务器上搭建起自己的 AI 绘图平台。如果在部署过程中遇到问题，欢迎在评论区留言交流！

📬 资料领取与交流

如果觉得文章对你有帮助，想获取更多 ComfyUI 工作流模板、模型下载清单、插件配置包 等资料，欢迎扫码添加我的sunhy_000，备注 「ComfyUI」。

也欢迎在评论区留言提问，看到都会回复。一起学习 ComfyUI！

参考资料：

  • ComfyUI 官方文档
  • ComfyUI GitHub 仓库
  • ComfyUI-Manager
  • HuggingFace 模型库
  • CivitAI 模型社区 I-master/models/diffusion_models/  # Flux 等扩散模型 /data/ai/ComfyUI-master/models/loras/             # LoRA 微调模型 /data/ai/ComfyUI-master/models/vae/               # VAE 编解码器

插件目录

/data/ai/ComfyUI-master/custom_nodes/

输出目录

/data/ai/ComfyUI-master/output/

### 核心软件版本| 组件 | 版本 ||------|------|| OS | Ubuntu 22.04.5 LTS || GPU | NVIDIA RTX A6000 (48GB) || Python | 3.10.12 || PyTorch | 2.7.1+cu118 || ComfyUI | 最新 Master 分支 || ComfyUI-Manager | 4.2.2 |希望这篇文章能帮助你快速在 Linux 服务器上搭建起自己的 AI 绘图平台。如果在部署过程中遇到问题，欢迎在评论区留言交流！---## 📬 资料领取与交流如果觉得文章对你有帮助，想获取更多 **ComfyUI 工作流模板、模型下载清单、插件配置包** 等资料，欢迎扫码添加我的微信，备注 **「ComfyUI」**，我会统一拉你进交流社群。> 也欢迎在评论区留言提问，看到都会回复。一起学习 ComfyUI！---> **参考资料**：> - [ComfyUI 官方文档](https://docs.comfy.org/)> - [ComfyUI GitHub 仓库](https://github.com/comfyanonymous/ComfyUI)> - [ComfyUI-Manager](https://github.com/ltdrdata/ComfyUI-Manager)> - [HuggingFace 模型库](https://huggingface.co/)> - [CivitAI 模型社区](https://civitai.com/)
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

PetaLinux 2023.2 安装与验证

Linux 云服务器上线前,先做完这 8 项安全检查

最新文章

随机文章