ComfyUI硬件部署完整指南从Torch not compiled with CUDA报错到出图只需3步【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI当 ComfyUI节点图形式的 Stable Diffusion 图形界面和后端启动时你在终端看到 Torch not compiled with CUDA enabled或者日志里悄悄写着回退到 CPU——先别慌这不是机器坏了是后端版本对不上。你在网上搜到的答案大多是一堆黑话装对应的 torch配置 backend看完还是不知道敲哪条命令。其实九成问题只有一个PyTorch驱动显卡干活的计算框架装的不是对应你显卡的版本。本文带你按自己的硬件走完从 clone 到出图的全过程先对号路径再跑命令最后验证启动。30秒对号入座按你的显卡型号选安装路径动手前先回答一个问题你机器里的显卡是什么用这张表把号对上你手里的硬件所属路径关键动作NVIDIA 显卡10系及以后N卡装 CUDA 版 PyTorch路径最顺AMD 显卡A卡装 ROCm 版 PyTorchAMD官方GPU计算平台Linux 上支持最好Apple M1 / M2 / M3 / M4M芯装带 Metal 加速的 PyTorch 版本Intel Arc 等核显/独显Intel装 XPU 版 PyTorch昇腾 NPU / 寒武纪 MLU国产卡先装厂商的 PyTorch 扩展再照常启动没有可用显卡纯CPU装普通 PyTorch慢但能跑分不清的话终端里敲nvidia-smiN卡、rocminfoA卡macOS 上打开系统信息看芯片型号哪个命令有输出你就在哪条路径上。接下来要做的唯一一件事就是装对 PyTorch——模型管理模块 启动时会自动检测 CUDA、MPS苹果 Metal 加速后端、NPU、MLU 这些后端它检测不到多半是你装错了而不是代码的问题。按硬件路径走一遍从环境准备到启动验证NVIDIA 显卡最顺的一条路先确认驱动正常终端敲nvidia-smi能打印出显卡型号和显存驱动就没问题。最容易翻车的一步是装 PyTorch。直接pip install torch拿到的版本很可能没编译 CUDA 支持所以必须从官方 CUDA 仓库装pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130跑完这步之后clone 仓库并装依赖git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI pip install -r requirements.txt这时候启动验证一下python main.py日志里出现Using device: cuda:0这类设备信息浏览器打开 http://127.0.0.1:8188 看到节点界面就算跑通了。没自动开浏览器的话启动命令加--auto-launch。AMD 显卡推荐 Linux 环境AMD 目前支持最好的是 Linux 上的 ROCm 后端有选择就尽量在 Linux 上走这条路径。确认系统装好 AMD 驱动和 ROCm 后安装对应版本的 PyTorchpip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.2如果你的卡不在官方支持列表里老一代 RDNA 卡常见启动前给 PyTorch 一个架构提示export HSA_OVERRIDE_GFX_VERSION10.3.0 # RDNA2 架构RDNA3 改成 11.0.0 python main.pyclone 仓库和装依赖那两步跟 N 卡完全一样不重复贴了。启动日志里设备显示为 ROCm就算成功。Apple M 芯M 芯的关键是装支持 Metal 的 PyTorch 版本。PyPI 上默认的稳定版 PyTorch 用不了 Mac 的 GPU要按苹果官方的 Metal PyTorch 指引装 nightly每日构建版装好之后照手动安装的流程走就行git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI pip install -r requirements.txt python main.py模型管理模块 在 Mac 上会自动落到mps后端Metal 加速日志里看到 mps 就对了。M 芯不需要加任何后端参数加错了反而慢。国产加速卡昇腾 / 寒武纪国产卡的套路一致先装厂商的驱动工具链和 PyTorch 扩展ComfyUI 本体的装法和普通机器没有区别。昇腾 NPU 按厂商文档装好 BaseKit驱动 固件 CANN 软件栈昇腾的计算平台之后pip install torch_npu python main.py寒武纪 MLU 装好 CNToolkit 之后pip install torch_mlu python main.py日志里设备显示npu或mlu就说明扩展生效了。拧对参数旋钮显存和精度这两类开关跑通之后最常见的两类问题是显存不够和生成太慢。硬件相关的开关都集中在 命令行参数定义文件 里最常用的就下面这几个参数效果适用场景--highvram模型用完后留在显存里不卸载省掉反复搬运16GB 显存追求速度--gpu-only文本编码器也塞进显卡大显存机器愿意为速度承担风险--lowvram文本编码器改在 CPU 上跑4~8GB 显存--novram最激进的卸载策略权重逐层搬来搬去4GB 以下显存lowvram 还撑不住时--fp16-unet扩散模型用半精度浮点速度约翻倍精度略降绝大多数显卡--fp8_e4m3fn-unet权重用 8 位存储显存占用再降一截RTX 40 系等新架构--reserve-vram 2明确给系统预留 2GB 显存显卡还要带显示器或跑别的应用--use-pytorch-cross-attention用 PyTorch 2.0 原生交叉注意力生成时的核心计算环节通用提速不确定怎么选时的默认推荐8GB 以上显存的 N 卡/A 卡就加--fp16-unet速度不够再叠--highvram4GB 显存用--novram --fp16-unetM 芯保持默认精度遇到黑图再加--force-upcast-attention。一次只加一个参数改完重新跑一遍工作流看效果。对照报错现象查修复4个高频故障的急救方案⚠️启动提示 Torch not compiled with CUDA enabled你装的是 CPU 版 PyTorch。先pip uninstall torch再按 N 卡那步的 cu130 命令重装重启即可。运行时显存爆掉OOMComfyUI 默认就在自动卸载offload把暂时不用的模型权重挪到内存腾显存但小显存机器需要手动加力先加--lowvram不够再换--novram差一点显存的话用--reserve-vram 1给系统让出空间实在跑不动最后手段是--cpu纯 CPU慢但能出图。生成速度明显偏慢先看日志确认设备不是 CPU是 CPU 就回去按前面的故障修确认用了显卡的话加--fp16-unet --use-pytorch-cross-attentionN 卡还可以试--use-flash-attention。想压榨极限可以用--fast开实验性优化——注意它是未完全测试的开关质量可能波动建议自己留着对照结果。⚠️AMD 卡装好了却检测不到根因通常是 ROCm 缺失或架构对不上。用rocminfo确认卡能被 ROCm 看到看不到的话按架构设HSA_OVERRIDE_GFX_VERSIONRDNA2 用 10.3.0RDNA3 用 11.0.0再重启。跑通之后可以接着玩的3个方向主界面能出图了接下来有三个方向值得试试启动时加--enable-manager启用 ComfyUI-Manager装和更新自定义节点不用再手敲命令仓库自带的 blueprints 目录 里有几十份现成工作流文生图、视频生成、背景移除都有拖进界面就能直接生成很适合验证你这套环境到底支不支持某类模型性能调优别靠猜先跑一组默认参数记下生成耗时再逐个参数对比这是最靠谱的压测办法。收尾前把三件事办掉用nvidia-smi或rocminfo确认显卡可见再装匹配版本的 PyTorch默认参数启动遇到显存或速度问题再逐个加参数加载一份 blueprint 走通一次完整出图然后再开始调参【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
ComfyUI硬件部署完整指南：从“Torch not compiled with CUDA“报错到出图，只需3步
ComfyUI硬件部署完整指南从Torch not compiled with CUDA报错到出图只需3步【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI当 ComfyUI节点图形式的 Stable Diffusion 图形界面和后端启动时你在终端看到 Torch not compiled with CUDA enabled或者日志里悄悄写着回退到 CPU——先别慌这不是机器坏了是后端版本对不上。你在网上搜到的答案大多是一堆黑话装对应的 torch配置 backend看完还是不知道敲哪条命令。其实九成问题只有一个PyTorch驱动显卡干活的计算框架装的不是对应你显卡的版本。本文带你按自己的硬件走完从 clone 到出图的全过程先对号路径再跑命令最后验证启动。30秒对号入座按你的显卡型号选安装路径动手前先回答一个问题你机器里的显卡是什么用这张表把号对上你手里的硬件所属路径关键动作NVIDIA 显卡10系及以后N卡装 CUDA 版 PyTorch路径最顺AMD 显卡A卡装 ROCm 版 PyTorchAMD官方GPU计算平台Linux 上支持最好Apple M1 / M2 / M3 / M4M芯装带 Metal 加速的 PyTorch 版本Intel Arc 等核显/独显Intel装 XPU 版 PyTorch昇腾 NPU / 寒武纪 MLU国产卡先装厂商的 PyTorch 扩展再照常启动没有可用显卡纯CPU装普通 PyTorch慢但能跑分不清的话终端里敲nvidia-smiN卡、rocminfoA卡macOS 上打开系统信息看芯片型号哪个命令有输出你就在哪条路径上。接下来要做的唯一一件事就是装对 PyTorch——模型管理模块 启动时会自动检测 CUDA、MPS苹果 Metal 加速后端、NPU、MLU 这些后端它检测不到多半是你装错了而不是代码的问题。按硬件路径走一遍从环境准备到启动验证NVIDIA 显卡最顺的一条路先确认驱动正常终端敲nvidia-smi能打印出显卡型号和显存驱动就没问题。最容易翻车的一步是装 PyTorch。直接pip install torch拿到的版本很可能没编译 CUDA 支持所以必须从官方 CUDA 仓库装pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130跑完这步之后clone 仓库并装依赖git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI pip install -r requirements.txt这时候启动验证一下python main.py日志里出现Using device: cuda:0这类设备信息浏览器打开 http://127.0.0.1:8188 看到节点界面就算跑通了。没自动开浏览器的话启动命令加--auto-launch。AMD 显卡推荐 Linux 环境AMD 目前支持最好的是 Linux 上的 ROCm 后端有选择就尽量在 Linux 上走这条路径。确认系统装好 AMD 驱动和 ROCm 后安装对应版本的 PyTorchpip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.2如果你的卡不在官方支持列表里老一代 RDNA 卡常见启动前给 PyTorch 一个架构提示export HSA_OVERRIDE_GFX_VERSION10.3.0 # RDNA2 架构RDNA3 改成 11.0.0 python main.pyclone 仓库和装依赖那两步跟 N 卡完全一样不重复贴了。启动日志里设备显示为 ROCm就算成功。Apple M 芯M 芯的关键是装支持 Metal 的 PyTorch 版本。PyPI 上默认的稳定版 PyTorch 用不了 Mac 的 GPU要按苹果官方的 Metal PyTorch 指引装 nightly每日构建版装好之后照手动安装的流程走就行git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI pip install -r requirements.txt python main.py模型管理模块 在 Mac 上会自动落到mps后端Metal 加速日志里看到 mps 就对了。M 芯不需要加任何后端参数加错了反而慢。国产加速卡昇腾 / 寒武纪国产卡的套路一致先装厂商的驱动工具链和 PyTorch 扩展ComfyUI 本体的装法和普通机器没有区别。昇腾 NPU 按厂商文档装好 BaseKit驱动 固件 CANN 软件栈昇腾的计算平台之后pip install torch_npu python main.py寒武纪 MLU 装好 CNToolkit 之后pip install torch_mlu python main.py日志里设备显示npu或mlu就说明扩展生效了。拧对参数旋钮显存和精度这两类开关跑通之后最常见的两类问题是显存不够和生成太慢。硬件相关的开关都集中在 命令行参数定义文件 里最常用的就下面这几个参数效果适用场景--highvram模型用完后留在显存里不卸载省掉反复搬运16GB 显存追求速度--gpu-only文本编码器也塞进显卡大显存机器愿意为速度承担风险--lowvram文本编码器改在 CPU 上跑4~8GB 显存--novram最激进的卸载策略权重逐层搬来搬去4GB 以下显存lowvram 还撑不住时--fp16-unet扩散模型用半精度浮点速度约翻倍精度略降绝大多数显卡--fp8_e4m3fn-unet权重用 8 位存储显存占用再降一截RTX 40 系等新架构--reserve-vram 2明确给系统预留 2GB 显存显卡还要带显示器或跑别的应用--use-pytorch-cross-attention用 PyTorch 2.0 原生交叉注意力生成时的核心计算环节通用提速不确定怎么选时的默认推荐8GB 以上显存的 N 卡/A 卡就加--fp16-unet速度不够再叠--highvram4GB 显存用--novram --fp16-unetM 芯保持默认精度遇到黑图再加--force-upcast-attention。一次只加一个参数改完重新跑一遍工作流看效果。对照报错现象查修复4个高频故障的急救方案⚠️启动提示 Torch not compiled with CUDA enabled你装的是 CPU 版 PyTorch。先pip uninstall torch再按 N 卡那步的 cu130 命令重装重启即可。运行时显存爆掉OOMComfyUI 默认就在自动卸载offload把暂时不用的模型权重挪到内存腾显存但小显存机器需要手动加力先加--lowvram不够再换--novram差一点显存的话用--reserve-vram 1给系统让出空间实在跑不动最后手段是--cpu纯 CPU慢但能出图。生成速度明显偏慢先看日志确认设备不是 CPU是 CPU 就回去按前面的故障修确认用了显卡的话加--fp16-unet --use-pytorch-cross-attentionN 卡还可以试--use-flash-attention。想压榨极限可以用--fast开实验性优化——注意它是未完全测试的开关质量可能波动建议自己留着对照结果。⚠️AMD 卡装好了却检测不到根因通常是 ROCm 缺失或架构对不上。用rocminfo确认卡能被 ROCm 看到看不到的话按架构设HSA_OVERRIDE_GFX_VERSIONRDNA2 用 10.3.0RDNA3 用 11.0.0再重启。跑通之后可以接着玩的3个方向主界面能出图了接下来有三个方向值得试试启动时加--enable-manager启用 ComfyUI-Manager装和更新自定义节点不用再手敲命令仓库自带的 blueprints 目录 里有几十份现成工作流文生图、视频生成、背景移除都有拖进界面就能直接生成很适合验证你这套环境到底支不支持某类模型性能调优别靠猜先跑一组默认参数记下生成耗时再逐个参数对比这是最靠谱的压测办法。收尾前把三件事办掉用nvidia-smi或rocminfo确认显卡可见再装匹配版本的 PyTorch默认参数启动遇到显存或速度问题再逐个加参数加载一份 blueprint 走通一次完整出图然后再开始调参【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
