ComfyUI 多平台部署：快速搞定 NVIDIA、AMD 与国产加速卡的硬件兼容性

ComfyUI 多平台部署：快速搞定 NVIDIA、AMD 与国产加速卡的硬件兼容性

【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

ComfyUI 的节点图跑在什么硬件上，取决于两件事：装对对应后端的 PyTorch，以及启动时选对显存与精度参数。下面按"先认硬件、再调参数、后查故障"的顺序，覆盖你从 clone 仓库到解决 OOM 的完整路径。

🔀 按硬件类型走安装分支：NVIDIA、AMD、Intel 与国产卡

本节解决"我的卡该装哪个 PyTorch、跑哪条启动命令"。先按硬件对号入座，再看对应分支。

NVIDIA：装 CUDA 版 wheel 再装项目依赖

现象：启动时报Torch not compiled with CUDA enabled。原因：默认装到的是 CPU 版 PyTorch，或 torch 与驱动 CUDA 版本不匹配。做法如下：

git clone https://gitcode.com/GitHub_Trending/co/ComfyUI cd ComfyUI pip install -r requirements.txt

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

如果之前装错，先执行pip uninstall torch再按上面的命令重装。NVIDIA 20 系及以上显卡建议使用 cu130 及以上版本的 PyTorch，torch 最低支持到 2.7。

AMD（Linux）：ROCm 稳定版与架构覆盖变量

现象：ROCm 报不支持当前架构，或启动时找不到设备。原因：官方 wheel 未覆盖你的显卡。做法分两步：

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，用架构覆盖变量启动：6700/6600 等 RDNA2 及更早显卡用HSA_OVERRIDE_GFX_VERSION=10.3.0 python main.py；7600 等 RDNA3 显卡用HSA_OVERRIDE_GFX_VERSION=11.0.0 python main.py。想再挤一点性能，可设置PYTORCH_TUNABLEOP_ENABLED=1开启 TunableOp，代价是首次运行明显变慢。

Intel Arc：用 torch.xpu 而非 CUDA wheel

现象：装了 CUDA 版 PyTorch 后 Arc 显卡完全没参与计算。原因：Intel 显卡需要 oneAPI/XPU 后端。做法：

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

启动时可用--oneapi-device-selector指定具体设备。

昇腾 NPU、寒武纪 MLU 与 Apple Silicon

现象：装完 PyTorch 后设备仍识别为 CPU。原因：国产卡和 Mac 都依赖厂商的 PyTorch 扩展，官方安装步骤在厂商文档里，不能只装一个包了事。做法：昇腾按 torch_npu 官方文档依次装好 CANN/驱动后再跑python main.py；寒武纪先装 CNToolkit 与 torch_mlu 再启动；Apple Silicon 按 Apple 官方的 Metal 加速 PyTorch 指南装好最新版，再走与 Linux 相同的手动安装流程。

🎛️ 显存、精度与注意力参数怎么配：按显存大小对号入座

本节解决"参数太多不知道选哪个"。所有硬件相关开关都定义在 comfy/cli_args.py 中，设备探测与显存分配逻辑在 comfy/model_management.py。下图展示了模型在节点图中的流向：Checkpoint 到 KSampler 这段是显存压力最大的部分，也是下面参数主要作用的对象。

显存档位：先确认你的卡属于哪一档

NVIDIA 上 Dynamic VRAM 默认开启，模型会按压力自动在显存与内存间搬移，以下档位更多是兜底与显式控制：

精度：FP16 是多数卡的默认答案

出图整体偏黑或 VAE 解码异常时，用--fp32-vae或--cpu-vae单独把 VAE 拉回高精度。

注意力后端：互斥组，一次只能开一个

--use-pytorch-cross-attention（PyTorch 2.0 SDPA）、--use-flash-attention、--use-sage-attention、--use-ck-attention属于同一互斥组，同时传多个会冲突。--fast会开启若干未充分测试的优化（fp16 累加、FP8 矩阵乘等），可能影响出图质量，稳定环境慎用。

🩹 显存不足与启动报错如何排查：现象、原因、做法

本节把部署后最常撞上的四类问题按排查顺序列出。

现象：Torch not compiled with CUDA enabled。原因：装的是 CPU 版 torch。做法：pip uninstall torch后安装对应 CUDA 或 ROCm 的 wheel（见上节）。

现象：日志显示使用 CPU，或指定设备不可见。原因：驱动过旧，或多卡机器默认选了 0 号卡。做法：多卡时用--cuda-device 1指定第二张卡（支持0,1这样的逗号列表），用--default-device设默认设备。

现象：生成中途out of memory崩溃。原因：显存峰值被批大小、分辨率或驻留策略顶满。做法，按顺序尝试：

1. --reserve-vram 2：给系统和浏览器预留 2GB；
2. 切到--lowvram或--novram档位；
3. 仍然崩溃再加--cpu兜底。

现象：能跑通但速度明显慢于预期。原因：动态显存模式下权重在 CPU 与 GPU 之间反复搬运。做法：显存够就加--gpu-only或--highvram让模型常驻，再叠加--fp16-unet与--use-pytorch-cross-attention：

python main.py --fp16-unet --use-pytorch-cross-attention

🧩 节点输入参数如何影响硬件负载

本节解决"为什么同样的工作流，我的卡会 OOM 而别人的不会"。KSampler 的步数、宽高的分辨率、批大小这些输入直接决定显存峰值与采样耗时。自定义节点在INPUT_TYPES中声明min/max/default（参数键的定义方式见 comfy/comfy_types/examples/），前端就会据此做约束和提示。

给节点定参数范围时，把它当成硬件预算来设：为 8GB 显存的卡把默认分辨率压在安全线内、给大尺寸选项加提示或拆成可选分支，比让用户撞一次 OOM 再回退要省事。仓库blueprints/目录里的模板工作流（如 "Text to Image (Flux.1 Dev).json"）可直接参考各模型的推荐参数组合。

先按你的卡型走完第一个 H2 的安装分支，再用--reserve-vram、--fp16-unet微调启动参数；遇到报错直接对照第三个 H2 的现象列表处理。

【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