जर तुम्ही VFX मध्ये काम करत असाल आणि तुमच्या जनरेटिव्ह इमेज वर्कफ्लोला पुढील स्तरावर घेऊन जाण्यास उत्सुक असाल, तर ComfyUI हे तुमच्यासाठी आवश्यक आहे. त्याचा नोड-आधारित दृष्टिकोन, मॉड्यूलरिटी आणि FLUX द्वारे जोडलेली शक्ती यामुळे कंट्रोलनेट, आयपी-अॅडॉप्टर किंवा लोरा प्रशिक्षणासह हाय-फिडेलिटी टेक्स्ट2आयएमजीपासून ते जटिल पाइपलाइनपर्यंत सर्व काही एक्सप्लोर करण्यासाठी हे एक आदर्श वातावरण बनते. VFX साठी ComfyUI: इंस्टॉलेशन आणि FLUX वर्कफ्लो स्पष्ट केले.
या मार्गदर्शकामध्ये तुम्हाला आवश्यक असलेली प्रत्येक गोष्ट, एका संघटित पद्धतीने मिळेल: ComfyUI मध्ये वर्कफ्लो म्हणजे काय, ते कसे सेव्ह आणि शेअर करायचे, FLUX स्टेप बाय स्टेप कसे इंस्टॉल करायचे, तुम्हाला कोणते हार्डवेअर हवे आहे आणि सर्वात जास्त वापरल्या जाणाऱ्या फ्लोचे स्पष्ट स्पष्टीकरण (Txt2Img, Img2Img, Inpainting, LoRA, ControlNet, NF4, IPAdapter आणि latent scaling). VRAM कमी करण्यासाठी तुम्हाला FP8, NF4 किंवा GGUF सारखे पर्याय देखील दिसतील.क्लाउडमध्ये फ्लक्स वापरण्यासाठी संसाधने आणि व्यावहारिक टिप्ससह विंडोज-ऑप्टिमाइझ केलेले ComfyUI इंस्टॉलेशन.
ComfyUI मध्ये वर्कफ्लो म्हणजे काय?
वर्कफ्लो म्हणजे नोड्स जोडून तुम्ही तयार केलेल्या जनरेशन प्रक्रियेचे दृश्य प्रतिनिधित्व. तुम्ही ते लेगो-प्रकारच्या तुकड्यांच्या बोर्ड म्हणून कल्पना करू शकता.प्रत्येक नोड एक कार्य करतो (मॉडेल लोड करणे, मजकूर एन्कोड करणे, नमुना घेणे, डीकोडिंग इ.) आणि कनेक्शन अंतिम प्रतिमा प्राप्त होईपर्यंत माहिती ज्या मार्गाचा अवलंब करते त्याचे वर्णन करतात.
येथील परिसंस्था प्रचंड आहे: स्थिर प्रतिमा, व्हिडिओ, ऑडिओ आणि अगदी 3D ओपन-सोर्स कम्युनिटीमुळे ते एकत्र राहतात. तोटा असा आहे की एक शिकण्याची प्रक्रिया आहे, कारण प्रत्येक घटक काय करतो आणि अडथळे किंवा विसंगत परिणाम टाळण्यासाठी त्यांना प्रभावीपणे कसे एकत्र करावे हे समजून घेणे महत्वाचे आहे.
लवकर सुरुवात करण्यासाठी, अधिकृत आणि मूलभूत प्रवाह (text2img आणि img2img) पाहणे आणि नंतर अधिक जटिल नोड्सकडे जाणे चांगले. समुदाय दस्तऐवजीकरण आणि अधिकृत ComfyUI उदाहरणे ते वारंवार अपडेट केले जातात, त्यामुळे नवीन आवृत्त्यांसह बदलणारे वर्कफ्लो पुन्हा सुरू करणे किंवा त्यांचे पुनरावलोकन करणे सोपे होते.
एक महत्त्वाचा तपशील: ComfyUI वर्कफ्लोला अंतिम प्रतिमेत (PNG) मेटाडेटा म्हणून एम्बेड करू शकते. हे तुम्हाला फक्त प्रतिमा शेअर करण्याची आणि संपूर्ण आलेख पुनर्प्राप्त करण्याची परवानगी देते. ते इंटरफेसवर परत ड्रॅग करत आहे.
वर्कफ्लोसह कसे शिकायचे आणि प्रगती कशी करायची
माझा सल्ला असा आहे की विकी-प्रकारच्या संसाधनांमध्ये आणि समुदाय गॅलरीमध्ये प्रकाशित झालेल्या सोप्या उदाहरणांपासून सुरुवात करा. तार्किक प्रगती अशी आहे: Txt2Img, Img2Img, आणि नंतर ControlNet किंवा LoRAइनपुट, आउटपुट आणि प्लॅनर्स सॅम्पलिंगवर कसा परिणाम करतात हे तुम्ही समजून घेतल्यावर, मार्गदर्शक नोड्स, मास्क आणि अतिरिक्त अटी समाविष्ट करणे स्वाभाविक होईल.
जर तुम्हाला विविध टोपोलॉजीज पहायच्या असतील, तर सार्वजनिक प्रवाहांचे भांडार आणि पुनरुत्पादनयोग्य उदाहरणे असलेली पृष्ठे आहेत जिथे तुम्ही मेटाडेटा किंवा .json फाइल्ससह प्रतिमा डाउनलोड करू शकता. आयात करणे, जसे आहे तसे चालवणे आणि नंतर पॅरामीटर्सद्वारे पुनरावृत्ती करणे ही चांगली पद्धत आहे. संपूर्ण ब्लॉक न तोडता प्रत्येक ब्लॉकचा परिणाम समजून घेणे.
क्लाउड प्लॅटफॉर्मवर तुम्हाला स्थानिक अवलंबित्वांशी संघर्ष न करता पाइपलाइन चालविण्यासाठी पूर्व-कॉन्फिगर केलेले वातावरण देखील मिळेल. फायदा असा आहे की ते जड नोड्स आणि मॉडेल्स प्रीलोड करताततथापि, निकाल अपेक्षा पूर्ण करतात याची खात्री करण्यासाठी उपलब्ध आवृत्त्या आणि VRAM तपासणे उचित आहे.
ComfyUI मध्ये वर्कफ्लो सेव्ह करणे, आयात करणे आणि निर्यात करणे
ComfyUI दोन मुख्य बचत पद्धतींना समर्थन देते: मेटाडेटा (PNG) किंवा JSON फाइल असलेली प्रतिमा आलेखाचा. पहिला फोरममध्ये शेअर करण्यासाठी सर्वात सोयीस्कर आहे; दुसरा तुम्हाला फाइलचे स्पष्ट नियंत्रण देतो, जो आवृत्तीसाठी उपयुक्त आहे.
आयात करण्यासाठी, फक्त PNG किंवा Json फाइल इंटरफेसवर ड्रॅग करा किंवा Ctrl (कमांड) + O शॉर्टकट वापरा. निर्यात करण्यासाठी, तुम्ही जनरेट केलेली प्रतिमा जतन करू शकता किंवा JSON साठी निर्यात मेनू वापरू शकता.तुम्ही प्रतिमा कॉम्प्रेस किंवा ट्रान्सफर करत असल्यास काळजी घ्या: काही कॉम्प्रेस पद्धती आणि काही चॅनेल मेटाडेटा काढून टाकतात, ज्यामुळे तुम्ही एम्बेडेड वर्कफ्लो गमावू शकता.
ComfyUI च्या सततच्या उत्क्रांतीमुळे, सर्व जुन्या JSON फायली नवीन आवृत्त्यांमध्ये काम करत नाहीत.जर काही चूक झाली, तर फ्लो उघडा, जुने नोड्स बदला किंवा त्यांच्या सुसंगत आवृत्तीसह अवलंबित्वे पुन्हा स्थापित करा; ComfyUI-Manager वापरल्याने गहाळ घटक शोधणे आणि त्यांचे निराकरण करणे खूप जलद होते.
ComfyUI मधील FLUX: ते काय आहे आणि ते का महत्त्वाचे आहे
FLUX.1 हे ब्लॅक फॉरेस्ट लॅब्समधील मॉडेल्सचे एक कुटुंब आहे जे उच्च-निष्ठा टेक्स्ट-टू-इमेज रूपांतरणावर लक्ष केंद्रित करते. अंदाजे १२ अब्ज पॅरामीटर्ससह त्याची हायब्रिड आर्किटेक्चर हे त्वरित पालन करण्यासाठी, गुंतागुंतीच्या दृश्यांना हाताळण्यासाठी आणि प्रतिमेमध्ये सुवाच्य मजकूर तयार करण्यासाठी ऑप्टिमाइझ केलेले आहे, हे काम इतर मॉडेल्स अनेकदा अडखळतात.
आणखी एक फायदा: त्याची बहुमुखी प्रतिभा. फोटोरिअलिझमपासून कलात्मक शैलींपर्यंतFLUX.1 त्याच्या दृश्य सुसंगतता आणि तपशीलांसाठी वेगळे आहे, ज्यामध्ये हातांचे प्रस्तुतीकरण समाविष्ट आहे, जे जनरेटिव्ह ग्राफिक्समधील एक क्लासिक कमकुवत बिंदू आहे. स्टेबल डिफ्यूजन किंवा मिडजर्नी सारख्या सोल्यूशन्सशी त्याची तुलना केली जाते, जे वापरण्यास सुलभता आणि गुणवत्तेच्या बाबतीत अव्वल स्थानावर येतात यात आश्चर्य नाही.
ब्लॅक फॉरेस्ट लॅब्सची स्थापना रॉबिन रोम्बाच यांनी केली होती, जे स्टेबिलिटी एआयच्या केंद्रस्थानी काम करणारे एक प्रमुख व्यक्ती होते. जर तुम्हाला प्रत्यक्ष बघायचे असेल तर, त्याची अधिकृत वेबसाइट येथे आहे ब्लॅकफॉरेस्टलॅब्स.एआय.
FLUX.1 तीन प्रकारांमध्ये वितरीत केले आहे: प्रो, डेव्ह आणि श्नेलप्रो व्यावसायिक वातावरणासाठी सर्वोच्च गुणवत्ता प्रदान करते; डेव्ह हे उत्कृष्ट संतुलनासह गैर-व्यावसायिक वापरासाठी डिझाइन केलेले आहे; श्नेल वेग आणि हलकेपणावर लक्ष केंद्रित करते आणि अपाचे २.० परवान्याअंतर्गत ओपन सोर्स आहे.
FLUX आवृत्तीनुसार हार्डवेअर आवश्यकता
FLUX.1 Pro साठी, याची शिफारस केली जाते २४ जीबी व्हीआरएएमसह एनव्हीआयडीए आरटीएक्स ४०९० प्रकारचा जीपीयू३२ जीबी रॅम आणि वेगवान एसएसडी. आउट-ऑफ-बॉक्सिंग टाळण्यासाठी ते FP16 वापरते आणि जास्तीत जास्त गुणवत्तेसाठी FP16 मध्ये टेक्स्ट एन्कोडर वापरणे चांगले.
FLUX.1 Dev मध्ये, अ १६ जीबी व्हीआरएएमसह आरटीएक्स ३०८०/३०९० हे १६ जीबी रॅम आणि सुमारे २५ जीबी डिस्क स्पेससह चांगले काम करते. तुमच्या GPU वर अवलंबून, ते काही प्रकरणांमध्ये FP16 आणि अगदी FP8 ला देखील समर्थन देते.
FLUX.1 Schnell साठी, १६ जीबी व्हीआरएएमसह आरटीएक्स ३०८०/३०९० ८ जीबी रॅम आणि १५ जीबी स्टोरेज पुरेसे आहे. हे स्पीडसाठी डिझाइन केलेले आहे, प्रो/डेव्ह आवृत्त्यांच्या तुलनेत कामगिरीच्या काही क्षमतेचा त्याग करते.
जर तुमची स्मरणशक्ती कमी असेल, तर समुदाय FP8, NF4 किंवा GGUF सारखे पर्याय देतो जे ते आवश्यक VRAM मोठ्या प्रमाणात कमी करतात., प्रवाहानुसार 6 ते 12 GB पर्यंत कॉन्फिगरेशनसह.
ComfyUI वर FLUX स्थापित करणे: आवश्यक पावले
सर्वप्रथम, तुम्ही वापरत असल्याची खात्री करा ComfyUI ची नवीनतम आवृत्तीFLUX इंटिग्रेशनसाठी नोड्स आणि वैशिष्ट्ये आवश्यक असतात जी वारंवार अपडेट केली जातात.
मजकूर आणि CLIP एन्कोडर डाउनलोड करा: clip_l.safetensors आणि T5 XXL फायलींपैकी एक, t5xxl_fp16.safetensors (जर तुमच्याकडे भरपूर VRAM/RAM असेल) किंवा t5xxl_fp8_e4m3fn.safetensors (जर तुमचे बजेट कमी असेल तर). त्यांना ComfyUI/models/clip/ फोल्डरमध्ये ठेवा. जर तुम्ही SD3 Medium वापरले असेल, तर तुमच्याकडे आधीच या फायली असतील..
VAE: डाउनलोड करा एई.सेफ्टेन्सर आणि ते ComfyUI/models/vae/ मध्ये हलवा. जर तुम्हाला ते अधिक सहजपणे शोधायचे असेल तर त्याचे नाव flux_ae.safetensors असे बदला. हे VAE अंतिम डीकोडिंग सुधारते आणि ते गुणवत्तेची गुरुकिल्ली आहे.
UNET: यापैकी निवडा flux1-dev.safetensors किंवा flux1-schnell.safetensors तुमच्या मेमरीनुसार, आणि ते ComfyUI/models/unet/ मध्ये ठेवा. यासह, तुमच्याकडे FLUX फ्लो चालवण्याचा पाया आहे. स्थानिक
ComfyUI मधील FLUX वर्कफ्लोसाठी एक व्यावहारिक मार्गदर्शक
फ्लक्ससह Txt2Img
घटक लोड करून सुरुवात करा: UNETLoader, DualCLIPLoader आणि VAELoaderCLIPTextEncode नोड तुमचा प्रॉम्प्ट एन्कोड करतो; EmptyLatentImage प्रारंभिक सुप्त प्रतिमा तयार करतो; BasicGuider FLUX च्या UNET सह कंडिशनल लॉजिक एकत्र करून प्रक्रियेचे मार्गदर्शन करतो.
यासह सॅम्पलर निवडा केसॅम्पलरसिलेक्ट कराहे RandomNoise सह आवाज निर्माण करते आणि BasicScheduler सह सिग्मा रॅम्प परिभाषित करते. SamplerCustomAdvanced सर्वकाही एकत्र करते: आवाज, मार्गदर्शक, सॅम्पलर, सिग्मास आणि लेटेंट. शेवटी, VAEDecode गुप्त सिग्नलला प्रतिमेत रूपांतरित करते. आणि SaveImage सह तुम्ही निकाल जतन करता.
फ्लक्ससह Img2Img
पाइपलाइन एक सुरुवातीची प्रतिमा जोडते: प्रतिमा लोड करा + प्रतिमा स्केल आकार समायोजित केला जातो आणि VAEEncode तो latent वर सेट करतो. प्रॉम्प्ट CLIPTextEncode सह एन्कोड केलेला असतो आणि त्याची ताकद FluxGuidance सह समायोजित केली जाते. मॉडेलसॅम्पलिंगफ्लक्स रिस्पेसिंग आणि आयाम नियंत्रित करतेKSamplerSelect, RandomNoise आणि BasicScheduler हे सॅम्पलिंग हाताळतात. SamplerCustomAdvanced कंडिशनलला इनपुट लेटेंटसह विलीन करते आणि VAEDecode आउटपुट तयार करते.
फ्लक्ससह लोरा
शैली किंवा वैशिष्ट्ये सुधारण्यासाठी, जोडा फक्त लोरालोडरमॉडेल UNETLoader, DualCLIPLoader आणि VAELoader सोबत. मजकूर एन्कोड केल्यानंतर आणि FluxGuidance लागू केल्यानंतर, तुम्ही EmptyLatentImage वापरून latent इमेज तयार करता, ModelSamplingFlux वापरून सॅम्पलिंग परिभाषित करता आणि SamplerCustomAdvanced चालवता. VAEDecode सह तुम्हाला LoRA द्वारे प्रभावित प्रतिमा मिळते.. ठराविक उदाहरण: flux1-dev वरील realism_lora.safetensors.
FLUX सह कंट्रोलनेट
VFX साठी दोन अतिशय उपयुक्त केसेस: डेप्थ आणि कॅनी एज. डेप्थसाठी, प्रीप्रोसेस करा MiDaS-डेप्थमॅपप्रीप्रोसेसरडेप्थ कंट्रोलनेट लोड करा आणि ते ApplyFluxControlNet सह लागू करा. कंडिशनल लेटेंट वेव्हफॉर्म जनरेट करण्यासाठी XlabsSampler वापरा आणि नंतर VAEDecode प्रतिमा तयार करते..
कॅनीसाठी, वापरा कॅनीएजप्रीप्रोसेसर, कॅनी कंट्रोलनेट लोड करा आणि स्कीम पुन्हा करा: ApplyFluxControlNet → XlabsSampler → VAEDecode. हे अतिरिक्त नियंत्रण आकार आणि रचनेची अचूकता प्रदान करते..
फ्लक्स वापरून रंगकाम करणे
UNET, VAE आणि CLIP लोड करा आणि सकारात्मक आणि नकारात्मक प्रॉम्प्ट तयार करा. LoadAndResizeImage इमेज आणि मास्क समोर आणते.इम्पॅक्टगॉसियनब्लरमास्क वापरून संक्रमण सुरळीत केले जाते. इनपेंटमॉडेलकंडिशनिंग कंडिशनिंग, इमेज आणि मास्क एकत्र करते. सॅम्पलर, नॉइज आणि सिग्मा कॉन्फिगर केल्यानंतर, सॅम्पलरकस्टमअॅडव्हान्स्ड मास्क केलेल्या प्रदेशाची पुनर्रचना करते. VAEDecode पॅचला सातत्याने एकत्रित करते. बाकीच्यांसोबत.
फ्लक्स एनएफ४
NF4 क्वांटायझेशनसह, मेमरी कमी होते. घटक लोड करा चेकपॉइंटलोडरNF4 आणि आदिम नोड्ससह उंची/रुंदी परिभाषित करते. ModelSamplingFlux पॅरामीटर्स सेट करते; EmptySD3LatentImage लेटेंट इमेज तयार करते; BasicScheduler आणि RandomNoise डीनॉइज आयोजित करतात. SamplerCustomAdvanced हे सुप्त सिग्नल जनरेट करते आणि VAEDecode त्याचे प्रतिमेत भाषांतर करते.स्केलिंगसाठी, UltimateSDUpscale, UpscaleModelLoader आणि अतिरिक्त पॉझिटिव्ह प्रॉम्प्टसह, सर्व फरक निर्माण करतो.
फ्लक्ससह आयपॅडॅप्टर
जेव्हा तुम्हाला संदर्भ प्रतिमा वापरून कंडिशन करायचे असेल, तेव्हा वापरा लोडफ्लक्सआयपीएडॉप्टर आणि अप्लायफ्लक्सआयपीएडॉप्टर clip_vision_l.safetensors सोबत. ImageScale वापरून संदर्भ प्रतिमा स्केल करा, प्रॉम्प्ट तयार करा आणि XlabsSampler चालवा. VAEDecode सह तुम्हाला सौंदर्यशास्त्र किंवा वैशिष्ट्यांनी प्रभावित झालेले आउटपुट दिसेल. मार्गदर्शक प्रतिमेवरून.
FLUX साठी LoRA ट्रेनर
ComfyUI मध्ये थेट LoRA ला प्रशिक्षण देण्यासाठी, वर्कफ्लोमध्ये हे समाविष्ट आहे: फ्लक्सट्रेनमॉडेलसिलेक्ट, ऑप्टिमायझरकॉन्फिग आणि ट्रेनडेटसेटजनरलकॉन्फिगInitFluxLoRATraining सुरू करते, FluxTrainLoop पायऱ्या कार्यान्वित करते आणि FluxTrainValidate नियतकालिक प्रमाणीकरणे जनरेट करते.
VisualizeLoss सह तुम्ही नुकसान ट्रॅक करता; इमेजबॅचमल्टी आणि इमेजकॉनकॅटफ्रॉमबॅच ते व्हॅलिडेशन ग्रुप करतात; FluxTrainSave चेकपॉइंट्स सेव्ह करते आणि FluxTrainEnd प्रक्रिया बंद करते. तुम्हाला हवे असल्यास, UploadToHuggingFace सह Hugging Face वर निकाल अपलोड करा आणि शेअर करा.
फ्लक्स लेटेंट अपस्केलर
तपशीलवार मोजमाप करण्यासाठी, आकार यासह परिभाषित करा SDXLEmptyLatentSizePicker+ आणि LatentUpscale आणि LatentCrop चेन बनवते. SolidMask आणि FeatherMask द्वारे तयार केलेल्या मास्कसह, LatentCompositeMasked मूळ मास्कसह स्केल्ड लॅटेंटचे मिश्रण करते. InjectLatentNoise+ VAEDecode पूर्वीचे तपशील वाढवतेआणि ImageSmartSharpen+ सह टच-अप प्रक्रिया पूर्ण करते. SimpleMath+ सारखे कॅल्क्युलेशन नोड्स प्रमाण संरेखित करण्यास मदत करतात.
पर्यायी आवृत्त्या: VRAM कमी करण्यासाठी FP8, NF4 आणि GGUF
जर तुमच्याकडे संसाधनांची कमतरता असेल, तर तुमच्याकडे पर्याय आहेत. Comfy.org वरील FP8 चेकपॉइंट्स आणि किजाई सारखे लेखक. तुम्हाला एकाच फाईलसह FLUX वापरण्याची परवानगी देते ComfyUI/models/checkpoints/ मध्ये. dev आणि schnell प्रकारांमध्ये फरक करण्यासाठी फोल्डर्सचे नाव बदलण्याची किंवा वेगळे करण्याची शिफारस केली जाते.
NF4 (बिटसँडबाइट्स) सह, प्लगइन स्थापित करा. आरामदायी UI_बिटसँडबाइट्स_NF4 आणि वापरा फ्लक्स१-डेव्ह-बीएनबी-एनएफ४-व्ही२ मॉडेल्स/चेकपॉइंट्समध्ये. ही आवृत्ती पहिल्या पुनरावृत्तीच्या तुलनेत तपशीलांमध्ये सुधारणा करते.
प्लगइनसह सिटी९६ चे जीजीयूएफ क्वांटायझेशन कम्फीयूआय-जीजीयूएफबार आणखी कमी करते: FLUX GGUF मॉडेल, t5-v1_1-xxl-encoder-gguf एन्कोडर डाउनलोड करा.`clip_l.safetensors` आणि `ae.safetensors` फायली त्यांच्या संबंधित फोल्डरमध्ये ठेवाव्यात. ६ GB VRAM सह सोयीस्कर वापराचे प्रकार आहेत.
क्लाउड आणि इतर संसाधनांमध्ये FLUX.1 वापरणे
जर तुम्हाला काहीही इन्स्टॉल करायचे नसेल, तर तुम्ही FLUX वापरून पाहू शकता मिठी मारणे चेहऱ्यावरील जागा: FLUX.1-डेव्हलपमेंट y फ्लक्स.१-श्नेल. मध्ये देखील प्रत बनवा, मिस्टिक.एआय o फाल.एआय. प्रॉम्प्ट आणि कॉन्फिगरेशन सत्यापित करण्यासाठी हे उपयुक्त पर्याय आहेत. स्थानिक मॉडेल डाउनलोड करण्यापूर्वी.
प्रेरणा आणि तयार वर्कफ्लोसाठी, तपासा ComfyUI ची अधिकृत उदाहरणे आणि वर्कफ्लो गॅलरी जसे की OpenArt. लक्षात ठेवा की अनेक प्रतिमांमध्ये मेटाडेटा असतो.जेणेकरून तुम्ही त्यांना ComfyUI मध्ये ड्रॅग करून आलेख मिळवू शकाल.
अधिक साहित्य: संग्रह फ्लक्ससाठी लोरा कसे वास्तववादलोरा किंवा संकलने एक्सलॅब्स-एआयFLUX साठी ControlNet म्हणून संग्रह y केंद्रीय; आयपी अॅडॉप्टर en एक्सलॅब्स-एआयकमी VRAM सह LoRA ला प्रशिक्षित करण्यासाठी, प्रयत्न करा फ्लक्सजिम किंवा ऑस्ट्रिसचा प्रतिकृती प्रशिक्षक; FLUX.1 डेव्हलपमेंटसाठी एक DreamBooth मार्गदर्शक आहे. डिफ्यूझर्स रेपोमध्ये.
विंडोज ११ वर चांगल्या कामगिरीसह ComfyUI इंस्टॉल करा
जर तुम्हाला स्वच्छ इन्स्टॉलेशन हवे असेल तर हा एक सिद्ध मार्ग आहे. हे NVIDIA 40/50 सिरीज कार्ड्ससह खूप चांगले काम करते. आणि ते तुम्हाला सामान्य चुका टाळण्यास मदत करते.
१) येथून NVIDIA अॅप आणि स्टुडिओ ड्रायव्हर स्थापित करा nvidia.com. रीस्टार्ट करा. २) CUDA टूलकिट डेव्हलपर.एनव्हीडिया.कॉम (पर्यायी परंतु जर तुम्ही venv वापरत नसाल तर ट्रायटनसह अलर्ट टाळण्यासाठी उपयुक्त). ३) एफएफएमपीईजी BtbN रिपॉझिटरीमधून, पथमध्ये C:\ffmpeg\bin जोडा. ४) विंडोजसाठी गिट येथून git-scm.com५) पायथन ३.१२ x६४ पासून python.org, सर्व वापरकर्त्यांसाठी py लाँचरसह आणि पर्यावरण चलांमध्ये जोडा.
५.५) जर तुम्ही venv निवडले तर ते तयार करा पायथॉन -एम व्हेन्व्ह क्युवेन्व्ह आणि ते CUVenv\Scripts\activate.bat सह सक्रिय करा. तिथून, venv मध्ये कोणतेही संबंधित pip किंवा git कमांड चालवा. तुमची स्टार्टअप स्क्रिप्ट वातावरण सक्रिय करू शकते आणि ComfyUI चालवू शकते. एकाच वेळी.
६) ComfyUI क्लोन करा git क्लोन https://github.com/comfyanonymous/ComfyUI.git D:\CU७) D:\CU वर जा आणि pip install -r requirements.txt चालवा. ८) जर pip ने Path च्या बाहेर स्क्रिप्ट्सची चेतावणी दिली, तर Python Scripts path सिस्टम व्हेरिअबल्समध्ये जोडा आणि रीस्टार्ट करा. ९) PyTorch CUDA १२.८ स्थापित करा. `pip install torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128` वापरून टॉर्च स्थापित करा. जर काही बिघाड झाला असेल तर टॉर्च अनइंस्टॉल करा आणि त्याच कमांडचा वापर करून तो पुन्हा स्थापित करा.
९ बिस) ComfyUI लाँच करा पायथन मेन.पी.वाय. आणि १२७.०.०.१:८१८८ उघडा. १०) विंडोजसाठी ट्रायटन पिप इन्स्टॉल -यू ट्रायटन-विंडोजसह स्थापित करा. ११) सेज अटेंशन २.२ सह लक्ष वाढवा: CP312 साठी सुसंगत चाक CU128/Torch2.8 डाउनलोड करा., ते pip सह स्थापित करा आणि –use-sage-attention या ध्वजासह ComfyUI सुरू करा.
१२) ComfyUI-Manager स्थापित करा: ComfyUI/custom_nodes मध्ये चालवा गिट क्लोन https://github.com/ltdrdata/ComfyUI-Manager comfyui-manager१३) cd D:\CU आणि python main.py –use-sage-attention या ओळी वापरून boot .bat फाइल तयार करा. सुरुवात करताना, व्यवस्थापकाला पहिल्यांदा थोडा वेळ लागेल.; इंटरफेसमध्ये मॅनेजर टॅब दिसत आहे का ते तपासा.
१४) टेम्पलेट्स योग्य फोल्डर्समध्ये ठेवा (चेकपॉइंट्स, क्लिप, युनेट, व्हीएई) आणि तुमचे फ्लो उघडा. जर वर्कफ्लो स्वतःचा सेज नोड घेऊन येत असेल, तर तुम्ही तो वगळू शकता जर तुम्ही आधीच फ्लॅगने सुरुवात करत असाल.टिप्स: रिसोर्स-केंद्रित प्रोग्राम्स उघडे ठेवणे टाळा, जर तुमची मेमरी कमी असेल तर विंडोज व्हर्च्युअल मेमरी कॉन्फिगर करा आणि ComfyUI रिपॉझिटरीमध्ये परफॉर्मन्स चर्चा तपासा. जर तुम्हाला मेमरी चेतावणी मिळाल्यास, सिंगल-फाइल FP8 व्हेरिएंट वापरण्याचा विचार करा.
जर तुम्हाला डाउनलोड करण्यायोग्य मॅन्युअल हवे असेल, तर येथे एक उपयुक्त PDF आहे हा दुवा. स्थापना सुलभ करण्यासाठी आणि व्हेन्व्ह प्रस्तावित करण्यासाठी काही मार्गदर्शकांमध्ये सुधारणा करण्यात आली आहेvenv वापरताना, नेहमी वातावरणात pip आणि git चालवायला विसरू नका.
वापराच्या सूचना, सुसंगतता आणि सर्वोत्तम पद्धती
मेटाडेटा किंवा JSON सह PNG ड्रॅग करून प्रवाह आयात करा आणि व्यवस्थापकासह नोड आवृत्त्या तपासा. प्रतिमा शेअर करताना, मेटाडेटा हटवणारे कॉम्प्रेशन टाळा.जर नवीन आवृत्तीमध्ये JSON बिघडले तर जुने नोड्स बदला किंवा सुसंगत आवृत्त्या स्थापित करा.
अनेक FLUX LoRAs सह काम करण्यासाठी, अलीकडील ComfyUI बिल्डमध्ये जास्त वीज वापराचे अहवाल आहेत; GGUF किंवा विशिष्ट लोडर्सची चाचणी घ्या VRAM कमी करण्यासाठी. कंट्रोलनेटमध्ये, स्थिर कंपोझिटिंग रिग स्थापित करण्यासाठी डेप्थ किंवा कॅनीने सुरुवात करा.
क्लाउडवर तैनात करताना, VRAM आणि एक्झिक्युशन क्यू तपासा. स्थानिक पातळीवर, वेगवान SSD आणि अद्ययावत ड्रायव्हर्स हे सर्व फरक करतात.तुमच्या पाइपलाइनचे विभागांनुसार दस्तऐवजीकरण करा: मॉडेल लोडिंग, कंडिशनिंग, सॅम्पलिंग, डीकोडिंग आणि पोस्ट-प्रोसेसिंग. यामुळे जेव्हा काहीतरी बिघडते तेव्हा डीबगिंग सोपे होईल.
वरील सर्व गोष्टींसह, तुम्ही आता ComfyUI सह खरोखरच एक मजबूत VFX पाइपलाइन तयार करू शकता: वर्कफ्लो म्हणजे काय आणि मेटाडेटा न गमावता ते कसे सेव्ह करायचे हे तुम्हाला समजले आहे का?तुम्ही FLUX आणि त्याचे प्रकार (Dev, Schnell आणि FP8, NF4, GGUF पर्याय) स्थापित करू शकता, तुम्हाला दैनंदिन सरावाचे प्रमुख कार्यप्रवाह कसे चालवायचे हे माहित आहे (Txt2Img, Img2Img, Inpainting, ControlNet, LoRA, IPAdapter आणि Upscale) आणि तुमच्याकडे सिस्टम ठीक, स्थिर आणि जलद ठेवण्यासाठी Triton, Sage Attention आणि ComfyUI-Manager सह ऑप्टिमाइझ केलेले विंडोज इंस्टॉलेशन आहे.