ComfyUI 是一个基于节点流程式的stable diffusion AI 绘图工具WebUI， 通过将stable diffusion的流程拆分成节点，实现了更加精准的工作流定制和完善的可复现性。
ComfyUI因为内部生成流程做了优化，生成图片时的速度相较于WebUI有10%~25%的提升（根据不同显卡提升幅度不同），生成大图片的时候不会爆显存，只是图片太大时，会因为切块运算的导致图片碎裂。
一、下载安装
所有的AI设计工具，模型和插件，都已经整理好了，👇获取~
下载release包并解压
二、配置模型
将checkpoint模型放入ComfyUImodelscheckpoints目录
ComfyUI与WebUI之间共享模型
在ComfyUI目录中将extra_model_paths.yaml.example文件复制一份，重命名为将extra_model_paths.yaml
修改a111的base_path路径为WebUI路径
三、启动
运行run_nvidia_gpu.bat启动ComfyUI
四、更新
如果后面需要更新ComfyUI，可以直接使用update_comfyui.bat，就不需要重新下载和配置了
五、使用
鼠标右键呼出节点目录，可以直接在目录中选择节点。
鼠标双击呼出节点搜索窗口，知道节点名称的话，直接搜索比较快。
连接好节点网络，通过点击面板右侧的工具栏中的 Queue Prompt，就能开始图片生成了。
通过使用鼠标点击拖动节点上的输出输入点，即可创建连线。
一般的的节点网络包括：
- 输入阶段：模型输入，图片输入等。负责载入模型和图片。
- Clip阶段：clip跳过，clip编码器，lora，controlnet都在这个阶段。
- Unet阶段：ksampler节点，负责在潜空间生成图片。参数和webui中的生成参数基本上相同。
- Vae解码阶段：将生成的图片从潜空间转换成RGB色彩空间。Vae解码节点可以链接不同的VAE来得到不同的解码结果。
- 保存和后处理阶段：预览，保存，后处理
六、节点说明
1、Load Checkpoint（加载大模型节点）
加载大模型节点可以根据提供的配置文件加载扩散模型。
输入：
- ckpt_name：要加载的模型名称
输出：
- MODEL：用于去噪潜在变量的模型，连接到kSampler采样器，在采样器中完成反向扩散过程
- CLIP：用于编码文本提示的CLIP模型
- VAE：用于将图像编码和解码到潜在空间的VAE模型，在文生图中，连接到VAE解码器，将图像从潜在空间转换为像素空间
2、CLIP Text Encode (Prompt)（CLIP 文本编码 (Prompt) 节点）
CLIP 文本编码 (Prompt) 节点可以使用 CLIP 模型将文本提示编码成嵌入，这个嵌入可以用来指导扩散模型生成特定的图片。
CLIP 文本编码 (Prompt) 节点的 CONDITIONING 输出连接到 kSampler 采样器的输入正向提示和负向提示
3、Empty Latent Image（空潜在图像节点）
空潜在图像(Empty Latent Image)节点可以用来创建一组新的空白潜在图像。这些潜在图像可以被例如在txt2img工作流中通过采样器节点进行噪声处理和去噪后使用。
输入(inputs)包括潜在图像的像素宽度(width)和像素高度(height)，以及潜在图像的数量(batch_size)。输出(outputs)则是空白的潜在图像(LATENT)。
4、KSampler（采样器）
KSampler 是 Stable Diffusion 中图像生成的核心。采样器将随机图像降噪为与提示匹配的图像。
- seed：随机种子值控制潜在图像的初始噪声，从而控制最终图像的合成。
- control_after_generation：种子如何变化。它可以是获取随机值（randomize）、加 1（increment）、减 1（decrement）或保持不变（fixed），如果想保持生成图片的一致性，那么就选择固定。
- steps：采样步长数。数值越高，失真就越少，一般设置20-30左右。
- cfg：重绘幅度和提示词相关性，值越高，提示词的相关性越高。如果太高，会失真。
- sampler_name：在这里，您可以设置采样算法。
- scheduler：控制每个步骤中噪音水平的变化方式。
- denoise：降噪过程应消除多少初始噪音。1 表示全部。
5、Upscale Latent（放大潜在图像节点）
放大潜在图像节点可以用来调整潜在图像的大小。
输入
- samples：需要被放大的潜在图像
- upscale_method：图像放大方法
- width：目标像素宽度
- height：目标像素高度
- crop：是否通过中心裁剪图片
输出：
- LATENT：调整大小后的潜在图像
6、VAE Decode（VAE解码节点）
VAE解码节点可以用来将潜在空间图像解码回像素空间图像，解码过程使用提供的变分自编码器VAE。
7、Load LoRA（加载LoRA）
Load LoRA 节点可用于加载 LoRA，多个 LoRA可以用串行的方式连接在一起。
输入：
- model：扩散模型。
- clip：CLIP 模型。
- lora_name：LoRA 名称。
- strength_model：修改扩散模型强度。此值可以为负。
- strength_clip：修改 CLIP 模型强度。此值可以为负。
Florence-2 是一种高级视觉基础模型，它使用基于提示的方法来处理各种视觉和视觉语言任务。Florence-2 可以解释简单的文本提示，以执行字幕、对象检测和分割等任务。
使用ComfyUI Manager安装ComfyUI-Florence2插件
使用Florence2反推提示词
这里分享给大家一份Adobe大神整理的《AIGC全家桶学习笔记》，相信大家会对AIGC有着更深入、更系统的理解。
有需要的朋友，可以点击下方免费领取！
AIGC所有方向的学习路线思维导图
AIGC工具库
有需要的朋友，可以点击下方卡片免费领取！
精品AIGC学习书籍手册
书籍阅读永不过时，阅读AIGC经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验，结合自身案例融会贯通。
AI绘画视频合集
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，科学有趣才能更方便的学习下去。