Verjetno ste opazili, da je internet preplavljen s slikami, ustvarjenimi z umetno inteligenco. Mnogi se sprašujejo, ali je mogoče doseči podobne rezultate doma, brez plačevanja mesečnih naročnin in ob hkratnem ohranjanju popolne zasebnosti svojih pozivov. Odgovor je odločen pritrdilen, najmočnejše orodje za to pa je trenutno ComfyUI, vmesnik, ki je sicer sprva zastrašujoč, a vam daje popoln nadzor nad vizualnim ustvarjanjem.
Za razliko od preprostejših možnosti ComfyUI deluje z uporabo grafovnega sistema, kjer povezujete različna polja ali vozlišča. To pomeni, da niste omejeni s togo obliko; lahko oblikujete svoj lasten gradbeni cevovod . Ne glede na to, ali imate zmogljiv strežnik Linux ali prenosnik Windows, vam bo vzpostavitev tega ekosistema omogočila eksperimentiranje z najnovejšimi modeli, kot sta FLUX ali Stable Diffusion, ne da bi kdo vohunil za tem, kaj ustvarjate.
Strojne zahteve: Svet VRAM-a
Preden začnete z namestitvijo, se moramo pogovoriti o tem, kar je resnično pomembno: video pomnilnik (VRAM). Ni pomembno, kako zmogljiv je vaš procesor ali koliko RAM-a imate; če grafična kartica ne podpira VRAM-a, bo vaš sistem deloval zelo počasi ali se bo preprosto sesul. Če želite preveriti zahteve glede VRAM-a v Linuxu, lahko uporabite ukaz `nvidia-smi` za NVIDIA ali `rocm-smi` za AMD.
Če imate 4 GB VRAM-a, bodite pripravljeni na nekoliko počasnejše delovanje in boste morali uporabljati nižje ločljivosti. Z 8 GB lahko gladko opravite večino nalog, čeprav boste pri zahtevnih modelih, kot je FLUX.2, morali uporabiti kvantizacijo GGUF (kot je Q4_K_M) , ki zmanjša velikost modela brez žrtvovanja kakovosti. Če imate srečo in imate 16 GB ali več, na primer v RTX 3090 ali 4090, lahko brez težav naložite modele FP8 ali celo FP16.
Namestitev po korakih na različnih sistemih
Postopek se razlikuje glede na vaš operacijski sistem. V sistemu Windows je najpreprostejši način, da prenesete uradni prenosni paket , ga razpakirate in zaženete datoteko .bat, ki ustreza vašemu grafičnemu procesorju. To je najhitrejša pot, ker že vključuje Python in potrebne odvisnosti, s čimer se izognete konfliktom z okoljskimi spremenljivkami.
Če imate raje Linux ali macOS, je postopek bolj ročni, vendar čistejši. Najprej morate klonirati repozitorij iz GitHuba in ustvariti virtualno okolje Python (venv) . To je bistveno, da se izognete motnjam v knjižnicah operacijskega sistema. Ko se okolje zažene, namestite odvisnosti, navedene v datoteki requirements.txt, in matematični mehanizem PyTorch. Uporabnikom NVIDIA svetujemo uporabo CUDA različice 12.1 , uporabnikom AMD pa ROCm.
Napredna konfiguracija in bistvena vozlišča
Ko prvič zaženete ComfyUI na http://127.0.0.1:8188, boste videli nadzorno ploščo, polno kablov. Da se izognete preobremenitvi, morate najprej namestiti ComfyUI Manager . Ta vtičnik je pravi biser, saj vam omogoča iskanje in namestitev drugih vozlišč po meri ter, kar je najpomembneje, samodejno namestitev morebitnih manjkajočih vozlišč, ko uvozite delo nekoga drugega.
Za delo s sodobnimi modeli, kot je FLUX, boste potrebovali vozlišče ComfyUI-GGUF . Za razliko od Stable Diffusion, kjer je vse običajno shranjeno v mapi kontrolnih točk, FLUX zahteva ločevanje svojih komponent: model oddajanja (UNet) gre v models/unet/ , kodirnik besedila (CLIP) v models/clip/ in VAE v models/vae/. Če jih postavite na napačno mesto, jih nalagalnik ne bo našel in na koncu boste imeli prazen zaslon.
Obvladovanje delovnega procesa in API-ja
Osnovni potek dela vključuje nalaganje modela, pisanje ukaza, prehod skozi vzorčevalnik (kjer se zgodi difuzijska magija) in dekodiranje slike. Ključni trik za FLUX je, da ohranite CFG na 1.0 in uporabite nekaj korakov (med 4 in 8) z Eulerjevim vzorčevalnikom; če povečate CFG, bodo slike preosvetljene in bodo imele nerealistične barve.
Za tiste s strojno opremo na strežniku, ki želijo delati z drugega računalnika, ComfyUI omogoča oddaljeni dostop z uporabo parametra `--listen 0.0.0.0` . S tem se odpre HTTP API, ki omogoča pošiljanje delovnih tokov v formatu JSON in prejemanje obdelane slike. To je idealen način, da svoj računalnik z grafičnim procesorjem spremenite v zasebno storitev za ustvarjanje slik, ki avtomatizira ustvarjanje stotin slik za trženje ali e-trgovino z uporabo skriptov Python.
Odpravljanje težav in optimizacija
Pogosto se pojavi napaka »CUDA Out of Memory« ( Zmanjkalo je pomnilnika CUDA ). Če jo najdete, lahko znova zaženete ComfyUI, da počistite fragmentacijo pomnilnika, ali pa zaženete program z ukazom `--lowvram` , ki premika podatke med grafično kartico in sistemskim RAM-om. Pri sistemih AMD, če kartica ni zaznana, se težava običajno reši z dodajanjem uporabnika v skupine za upodabljanje in video ali z uporabo okoljske spremenljivke HSA_OVERRIDE_GFX_VERSION.
Če opazite slabo delovanje, preverite, ali morda pomotoma uporabljate procesor. Razmislite tudi o nadgradnji sistemskega RAM-a na 32 GB ali 64 GB, saj ga ComfyUI uporablja kot most, ko VRAM ni dovolj. Za shranjevanje je ključnega pomena hiter NVMe pogon , saj lahko nalaganje 10 GB modelov vsakič, ko preklopite med delovnimi procesi, na mehanskem trdem disku traja celo večnost.
Z nastavitvijo lastne lokalne delovne postaje za obdelavo slik se osvobodite omejitev v oblaku in stroškov, povezanih s krediti. Od upravljanja VRAM-a in nastavitve virtualnega okolja do avtomatizacije API-ja in uporabe kvantiziranih modelov GGUF imate zdaj na voljo vsa orodja za preoblikovanje RTX-a v tovarno digitalne umetnosti, optimizacijo vsakega koraka skozi vozlišča in zagotavljanje delovanja vaše strojne opreme z največjo zmogljivostjo.