ComfyUI 硬件兼容性终极指南：新机器到手也能一次跑通节点工作流

ComfyUI 硬件兼容性终极指南：新机器到手也能一次跑通节点工作流

【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

新机器到手，终端里一句"设备未找到"直接劝退？这其实是 ComfyUI 硬件兼容性问题的典型信号。ComfyUI 是目前最强的模块化扩散模型引擎，用节点图就能生成图像、视频、3D 和音频，而它最大的门槛恰恰是怎么让不同显卡都跑得顺。这份指南就带你从装环境到调参数一次过。

三问定位你的硬件档位

装之前先别急着敲命令，花一分钟回答三个问题，后面的路径就定了：

• 什么显卡？NVIDIA、AMD、Intel 还是苹果 M 芯片？这决定你装哪个版本的 PyTorch
• 什么系统？Windows、Linux 还是 macOS？AMD 的完整支持主要在 Linux 上
• 多大显存？8GB 以下、8~16GB、16GB 以上？这决定后面显存模式拧到哪一档

决策路径很直接：NVIDIA 卡走标准 CUDA 路线，基本不折腾；AMD 卡在 Linux 上走 ROCm 路线，Windows 上只有 RDNA 3/3.5/4 有实验性支持；Intel Arc 走 XPU 路线；苹果 M 芯片装标准 PyTorch 即可，MPS 后端会自动启用；实在没有独显，--cpu纯 CPU 也能跑，只是慢。

按硬件分支把环境装起来

NVIDIA：最省心的路线

先确认显卡驱动是最新的，这是"设备未找到"报错最常见的根源。然后克隆仓库到本地：

git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI

NVIDIA 20 系及更新的卡需要 CUDA 13 起的 PyTorch，装官方带 CUDA 的版本（比默认源版本更新）：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

再补上项目其余依赖，装完直接启动验证：

pip install -r requirements.txt python main.py

启动后浏览器会自动打开127.0.0.1:8188，看到节点界面就说明 GPU 路线通了。

AMD：Linux 上走 ROCm

AMD 卡在 Linux 上支持最完整，装官方 ROCm 版 PyTorch 即可：

pip 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，用环境变量告诉 ROCm 你的架构，再启动：

export HSA_OVERRIDE_GFX_VERSION=10.3.0 # RDNA2 架构 python main.py

Intel Arc 与 Apple Silicon

Intel Arc 用户装 XPU 版 PyTorch，启动时可加--oneapi-device-selector "gpu"指定设备。苹果 M 芯片最简单，装标准版 PyTorch 后直接python main.py，MPS 后端会自动接管；macOS 需要 12.0 以上。

模型放对位置

环境跑通后，把大文件放对目录：主模型（.safetensors/.ckpt）进 models/checkpoints/，VAE 进 models/vae/。每个子目录里都有put_xxx_here占位文件标明了该放什么。

图里这种测试图可以丢进 input/ 目录，跑通后用来验证图生图之类的节点是否正常工作。

把显存、精度、设备三个旋钮拧到位

ComfyUI 的硬件调度核心在 comfy/model_management.py，它启动时会自动检测你的设备并做资源分配，所以多数人什么都不用加。只有下面三种情况需要手动拧 comfy/cli_args.py 里暴露的旋钮。

旋钮一：显存模式。显存紧张、生成中途崩溃时，从默认模式往下降级：--lowvram把文本编码器挪到 CPU 跑；还不够就--novram，逐块加载模型；再不行加--reserve-vram 2给系统留 2GB。反过来，16GB+ 显存想省加载时间，加--highvram让模型常驻显存。

旋钮二：计算精度。现代显卡默认会自动选 fp16，基本不用管。老卡或遇到异常出图时强制--fp32-unet保稳定；Ada Lovelace 及更新的卡想再压显存，可用--fp8_e4m3fn-unet --supports-fp8-compute。注意一个经典坑：图变全黑多半是 VAE 精度问题，加--fp32-vae就能救回来。

旋钮三：设备选择。双卡机器想指定用哪张：--cuda-device 0,1列出允许的设备，--default-device 1指定默认那张。完全没有显卡时加--cpu走纯 CPU，能跑但只适合尝鲜。

提速与报错急救包

性能优化和排错放一起看，都是"看到什么症状就敲什么命令"的对应关系。

• 症状：启动报"设备未找到" / 检测不到 GPU—— 驱动和 PyTorch 版本不匹配。先更新显卡驱动，再按上面硬件分支重装对应版本的 torch，AMD 卡再叠加HSA_OVERRIDE_GFX_VERSION。
• 症状：生成到一半报显存不足—— 显存被占满了。python main.py --lowvram，或--reserve-vram 2给系统让出空间。
• 症状：生成速度明显偏慢—— 精度或注意力没吃到加速。python main.py --fp16-unet --use-pytorch-cross-attention。
• 症状：出图全黑—— VAE 在低精度下数值溢出。python main.py --fp32-vae。
• 症状：启动就崩，日志里全是自定义节点报错—— 先用python main.py --disable-all-custom-nodes定位是不是插件惹的祸，排除了再加回。
• 症状：双卡时跑错了卡——python main.py --default-device 1明确指定。

截图留存的速查清单

把这张表存下来，之后换机器、换卡基本照着走就行：

装环境时选对分支、调参数时只拧需要拧的旋钮，ComfyUI 的自动显存调度会替你处理剩下的大部分问题。

【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