如何将Anaconda的ComfyUI安装到Ubuntu 22.04系统里？
- 内容介绍
- 文章标签
- 相关推荐
哎呀，Ubuntu 22.04 上装个 ComfyUI 真是让人头秃！
往白了说... 说实话，我本来以为这事儿挺简单的，不就是装个软件嘛？后来啊呢嗯？简直是一地鸡毛！最近B站、 抖音全是那个ComfyUI的视频，看着那些生成的图片，心里痒痒的，手一抖就搞了个戴尔R740服务器。这服务器上面装了Proxmox，显卡直通都配好了本来以为万事大吉，谁知道这才是噩梦的开始。我创建了一个Ubuntu 22.04的虚拟机， 分配了1.5T的硬盘，后来啊进去一看，根目录居然只有100G？这什么鬼操作？真的是让人无语凝噎。没办法，只能先处理这个让人心烦的磁盘问题，不然一会儿下模型肯定爆仓。
第一步：先把那个该死的磁盘扩容了
我满足了。 这真的是最基础的一步，也是最让人抓狂的一步。明明给了那么多空间，系统就是不用。没办法，只能硬着头皮上命令行了。先看看现在的分区状况，用那个什么lsblk命令，还有df -h，看着那一堆数字，头都大了。
代码语言：plain
lsblk
df -h
然后就是一顿操作猛如虎， 什么lvextend，resize2fs，反正我也记不住那么多，就是把卷组里剩下的空间全塞给逻辑卷。这里用到了pvdisplay查看配置， 然后就是那个看起来很吓人的命令：
百感交集。 sudo lvextend -l +100%FREE /dev/ubuntu-vg/ubuntu-lv
试着... sudo resize2fs /dev/ubuntu-vg/ubuntu-lv
搞完这个，心里才算踏实点。不然一会儿模型下到一半没空间了那才叫想死的心都有了。好了磁盘搞定了接下来就是重头戏——Anaconda，牛逼。。
第二步：Anaconda的安装，真的是慢到怀疑人生
为什么要用Anaconda？主要原因是独立环境啊！这玩意儿要是把系统Python环境搞崩了那就真的玩完了。所以老老实实去下Anaconda吧。 又爱又恨。 这里我强烈建议用国内的镜像，不然那个下载速度，能让你等到天荒地老。我用的是清华的源，虽然也不快，但至少比官方强点。
wget /anaconda/archive/Anaconda3-2024.06-1-Linux-x86_64.sh
下载下来之后 就是一路回车，yes，yes，yes。反正你也看不懂那个协议，对吧？装完之后记得配置一下环境变量，不然输入conda没反应，又要怀疑人生了。这里还要把源换成国内的，不然pip install的时候也是慢得要死，总结一下。。
容我插一句... conda config --add channels /anaconda/pkgs/free/
礼貌吗？ conda config --set show_channel_urls yes
这一步做完，感觉已经耗尽了半条命。但是别急，好戏还在后头呢，我满足了。。
第三步：创建ComfyUI的运行环境， Python版本是个坑
这里有个大坑，就是Python版本。有的教程说用3.10，有的说3.12。我试了半天再说说还是选了3.10， 摆烂。 感觉稳妥点。创建环境的时候，记得给环境起个好名字，比如comfyui，不然以后多了自己都分不清。
conda create -n comfyui python=3.10
没法说。 conda activate comfyui
激活环境之后 那个命令行前面会变成，看着还挺有成就感的。接下来就是去GitHub上把ComfyUI的代码搞下来。这里我习惯把软件放在/data目录下显得专业一点，哈哈。
mkdir /data
cd /data
git clone /comfyanonymous/ComfyUI.git，格局小了。
这事儿我得说道说道。 克隆下来之后记得进目录装依赖。这里又要吐槽一下那个torch的安装，真的是太大了。而且还要注意CUDA的版本，不然装了也白装。我这里用的是CUDA 12.1的版本， 对应torch的安装命令大概是这样的：
cd /data/ComfyUI
最后强调一点。 pip install torch torchvision torchaudio --extra-index-url
这一步要是报错，真的能把人逼疯。什么版本不匹配啊，依赖冲突啊，反正就是各种折腾。装完这些，大体上ComfyUI就能跑起来了但是还没完呢！
第四步：插件和模型，这才是灵魂
开搞。 光有个壳子没用，得有插件和模型。ComfyUI之所以强大，全靠那些插件。最常用的就是ComfyUI-Manager和ComfyUI-Custom-Scripts。装插件很简单，就是进custom_nodes目录git clone。
cd /data/ComfyUI/custom_nodes
git clone /ltdrdata/ComfyUI-Manager comfyui-manager，我emo了。
git clone /pythongosssss/ComfyUI-Custom-Scripts
模型的话， 可以去Hugging Face下但是那个网速，大家都懂的。我这里偷了个懒，用了魔搭社区，速度还行。模型要放到models目录下对应的子目录里比如checkpoints。 复盘一下。 我下了一个stable-diffusion-2-inpainting，用来做修补的。
cd /data/ComfyUI/models/checkpoints/
wget /stable-diffusion-2-inpainting/resolve/master/512-inpainting-ema.safetensors，冲鸭！
下完模型，终于可以试着运行一下了。那种激动的心情，简直难以言表。
第五步：启动ComfyUI， 看看能不能跑
拯救一下。 直接在命令行里敲命令启动，指定端口和监听地址，这样局域网其他电脑也能访问。
python main.py --port 15070 --listen 0.0.0.0
看着那一堆log刷出来心里默默祈祷千万别报错。如果再说说看到那个地址，说明成功了！赶紧打开浏览器访问一下。看到那个界面的时候，真的想哭，太不容易了，没法说。。
第六步：把ComfyUI变成系统服务， 这才是正解
实际上... 每次都敲命令启动太low了而且关了终端就停了很不方便。咱们得把它做成系统服务，用systemctl来管理。这才是运维该干的事儿嘛。写个service文件，放到/etc/systemd/system/下面。
vi /etc/systemd/system/comfyui.service
内容大概就是这样， 注意路径要对，环境变量要加载对：
Description=ComfyUI St 说白了... able Diffusion Service
After=network.target
Type=simple
User=root
我无法认同... WorkingDirectory=/data/ComfyUI
Environment="PATH=/root/anaconda3/bin:/usr/l 躺平... ocal/sbin:/usr/local/bin:/usr/sbin:/usr/bin"
ExecStart=/bin/bash -c 'source /root/anaconda3/etc/profile.d/conda.sh && conda activate comfyui && exec python main.py --port 15070 --listen 0.0.0.0'
Restart=always
RestartSec=5
WantedBy=multi-user.target
写完之后记得重新加载systemd，然后启动服务。
systemctl daemon-reload
systemctl start comfyui，与君共勉。
看到绿色的Active，心里那块石头总算落地了。 最后强调一点。 以后开机自启，崩溃自动重启，完美！
关于那个让人又爱又恨的代理
这事儿不得不提。主要原因是ComfyUI很多插件和模型都在GitHub或者Hugging Face上，不科学上网根本下不动。但是服务器上开代理又很麻烦。我局域网里有一台CVM装了代理工具，所以我就只能在环境变量里搞事情了。但是每次export太麻烦，我也写了个service来管理代理环境变量。
这个service就是用来设置http_proxy和https_proxy的，这样ComfyUI启动的时候就能通过代理下载东西了。不用的时候stop一下就行，还是挺方便的。
systemctl start proxy-env
虽然折腾， 但是为了能跑起来这点苦算什么？
硬件配置推荐， 别让电脑拖了后腿
既然要玩ComfyUI，硬件跟不上去也是白搭。特别是显卡，那是核心中的核心。CPU和内存也不能太寒酸。 将心比心... 我随便整理了个表，大家看着办吧，反正我是没钱上4090，只能用3090凑合凑合。
| 排名 | 显卡型号 | 显存大小 | AI生成性能评分 | 大概价格区间 |
|---|---|---|---|---|
| 1 | NVIDIA RTX 4090 | 24GB GDDR6X | ★★★★★ | 非常贵 |
| 2 | NVIDIA RTX 3090 Ti | 24GB GDDR6X | ★★★★☆ | 较贵 |
| 3 | NVIDIA RTX 4080 Super | 16GB GDDR6X | ★★★★ | 中等偏上 |
| 4 | NVIDIA RTX 4070 Ti Super | 16GB GDDR6X | ★★★☆ | 中等 |
| 5 | NVIDIA RTX 3060 | 12GB GDDR6 | ★★☆ | 便宜 |
看这个表就知道， 显存是个好东西，越大越好。24GB真的是黄金标准，能跑很多东西。12GB的入门卡也就是玩玩，稍微大点的模型或者高分辨率就爆显存了。所以钱包鼓的话，直接上4090，别犹豫，精辟。。
再说说的一些碎碎念
装完这一套，感觉整个人都虚脱了。Ubuntu 22.04虽然好用，但是这种折腾起来也是真要命。一会儿是权限问题，一会儿是依赖问题，一会儿又是网络问题。特别是那个git clone的时候， 总结一下。 经常断连，真的想砸键盘。不过 当看到ComfyUI界面跑起来点个按钮，图片慢慢生成出来的时候，那种成就感，又觉得一切都值了。
还有啊， 那个ComfyUI-Manager插件真的好用，以后下插件不用自己一个个去git clone了直接在界面里搜就行， 扎心了... 省心省力。建议大家一定要装。模型的话，除了魔搭，也可以去C站看看，虽然也是英文的，但是资源多啊。
这就是我在Ubuntu 22.04上安装ComfyUI的血泪史。希望能帮到后来者，少走点弯路。虽然过程很痛苦，但是后来啊很香。大家加油吧，为了AI绘画，冲啊，说到底。！
哎呀，Ubuntu 22.04 上装个 ComfyUI 真是让人头秃！
往白了说... 说实话，我本来以为这事儿挺简单的，不就是装个软件嘛？后来啊呢嗯？简直是一地鸡毛！最近B站、 抖音全是那个ComfyUI的视频，看着那些生成的图片，心里痒痒的，手一抖就搞了个戴尔R740服务器。这服务器上面装了Proxmox，显卡直通都配好了本来以为万事大吉，谁知道这才是噩梦的开始。我创建了一个Ubuntu 22.04的虚拟机， 分配了1.5T的硬盘，后来啊进去一看，根目录居然只有100G？这什么鬼操作？真的是让人无语凝噎。没办法，只能先处理这个让人心烦的磁盘问题，不然一会儿下模型肯定爆仓。
第一步：先把那个该死的磁盘扩容了
我满足了。 这真的是最基础的一步，也是最让人抓狂的一步。明明给了那么多空间，系统就是不用。没办法，只能硬着头皮上命令行了。先看看现在的分区状况，用那个什么lsblk命令，还有df -h，看着那一堆数字，头都大了。
代码语言：plain
lsblk
df -h
然后就是一顿操作猛如虎， 什么lvextend，resize2fs，反正我也记不住那么多，就是把卷组里剩下的空间全塞给逻辑卷。这里用到了pvdisplay查看配置， 然后就是那个看起来很吓人的命令：
百感交集。 sudo lvextend -l +100%FREE /dev/ubuntu-vg/ubuntu-lv
试着... sudo resize2fs /dev/ubuntu-vg/ubuntu-lv
搞完这个，心里才算踏实点。不然一会儿模型下到一半没空间了那才叫想死的心都有了。好了磁盘搞定了接下来就是重头戏——Anaconda，牛逼。。
第二步：Anaconda的安装，真的是慢到怀疑人生
为什么要用Anaconda？主要原因是独立环境啊！这玩意儿要是把系统Python环境搞崩了那就真的玩完了。所以老老实实去下Anaconda吧。 又爱又恨。 这里我强烈建议用国内的镜像，不然那个下载速度，能让你等到天荒地老。我用的是清华的源，虽然也不快，但至少比官方强点。
wget /anaconda/archive/Anaconda3-2024.06-1-Linux-x86_64.sh
下载下来之后 就是一路回车，yes，yes，yes。反正你也看不懂那个协议，对吧？装完之后记得配置一下环境变量，不然输入conda没反应，又要怀疑人生了。这里还要把源换成国内的，不然pip install的时候也是慢得要死，总结一下。。
容我插一句... conda config --add channels /anaconda/pkgs/free/
礼貌吗？ conda config --set show_channel_urls yes
这一步做完，感觉已经耗尽了半条命。但是别急，好戏还在后头呢，我满足了。。
第三步：创建ComfyUI的运行环境， Python版本是个坑
这里有个大坑，就是Python版本。有的教程说用3.10，有的说3.12。我试了半天再说说还是选了3.10， 摆烂。 感觉稳妥点。创建环境的时候，记得给环境起个好名字，比如comfyui，不然以后多了自己都分不清。
conda create -n comfyui python=3.10
没法说。 conda activate comfyui
激活环境之后 那个命令行前面会变成，看着还挺有成就感的。接下来就是去GitHub上把ComfyUI的代码搞下来。这里我习惯把软件放在/data目录下显得专业一点，哈哈。
mkdir /data
cd /data
git clone /comfyanonymous/ComfyUI.git，格局小了。
这事儿我得说道说道。 克隆下来之后记得进目录装依赖。这里又要吐槽一下那个torch的安装，真的是太大了。而且还要注意CUDA的版本，不然装了也白装。我这里用的是CUDA 12.1的版本， 对应torch的安装命令大概是这样的：
cd /data/ComfyUI
最后强调一点。 pip install torch torchvision torchaudio --extra-index-url
这一步要是报错，真的能把人逼疯。什么版本不匹配啊，依赖冲突啊，反正就是各种折腾。装完这些，大体上ComfyUI就能跑起来了但是还没完呢！
第四步：插件和模型，这才是灵魂
开搞。 光有个壳子没用，得有插件和模型。ComfyUI之所以强大，全靠那些插件。最常用的就是ComfyUI-Manager和ComfyUI-Custom-Scripts。装插件很简单，就是进custom_nodes目录git clone。
cd /data/ComfyUI/custom_nodes
git clone /ltdrdata/ComfyUI-Manager comfyui-manager，我emo了。
git clone /pythongosssss/ComfyUI-Custom-Scripts
模型的话， 可以去Hugging Face下但是那个网速，大家都懂的。我这里偷了个懒，用了魔搭社区，速度还行。模型要放到models目录下对应的子目录里比如checkpoints。 复盘一下。 我下了一个stable-diffusion-2-inpainting，用来做修补的。
cd /data/ComfyUI/models/checkpoints/
wget /stable-diffusion-2-inpainting/resolve/master/512-inpainting-ema.safetensors，冲鸭！
下完模型，终于可以试着运行一下了。那种激动的心情，简直难以言表。
第五步：启动ComfyUI， 看看能不能跑
拯救一下。 直接在命令行里敲命令启动，指定端口和监听地址，这样局域网其他电脑也能访问。
python main.py --port 15070 --listen 0.0.0.0
看着那一堆log刷出来心里默默祈祷千万别报错。如果再说说看到那个地址，说明成功了！赶紧打开浏览器访问一下。看到那个界面的时候，真的想哭，太不容易了，没法说。。
第六步：把ComfyUI变成系统服务， 这才是正解
实际上... 每次都敲命令启动太low了而且关了终端就停了很不方便。咱们得把它做成系统服务，用systemctl来管理。这才是运维该干的事儿嘛。写个service文件，放到/etc/systemd/system/下面。
vi /etc/systemd/system/comfyui.service
内容大概就是这样， 注意路径要对，环境变量要加载对：
Description=ComfyUI St 说白了... able Diffusion Service
After=network.target
Type=simple
User=root
我无法认同... WorkingDirectory=/data/ComfyUI
Environment="PATH=/root/anaconda3/bin:/usr/l 躺平... ocal/sbin:/usr/local/bin:/usr/sbin:/usr/bin"
ExecStart=/bin/bash -c 'source /root/anaconda3/etc/profile.d/conda.sh && conda activate comfyui && exec python main.py --port 15070 --listen 0.0.0.0'
Restart=always
RestartSec=5
WantedBy=multi-user.target
写完之后记得重新加载systemd，然后启动服务。
systemctl daemon-reload
systemctl start comfyui，与君共勉。
看到绿色的Active，心里那块石头总算落地了。 最后强调一点。 以后开机自启，崩溃自动重启，完美！
关于那个让人又爱又恨的代理
这事儿不得不提。主要原因是ComfyUI很多插件和模型都在GitHub或者Hugging Face上，不科学上网根本下不动。但是服务器上开代理又很麻烦。我局域网里有一台CVM装了代理工具，所以我就只能在环境变量里搞事情了。但是每次export太麻烦，我也写了个service来管理代理环境变量。
这个service就是用来设置http_proxy和https_proxy的，这样ComfyUI启动的时候就能通过代理下载东西了。不用的时候stop一下就行，还是挺方便的。
systemctl start proxy-env
虽然折腾， 但是为了能跑起来这点苦算什么？
硬件配置推荐， 别让电脑拖了后腿
既然要玩ComfyUI，硬件跟不上去也是白搭。特别是显卡，那是核心中的核心。CPU和内存也不能太寒酸。 将心比心... 我随便整理了个表，大家看着办吧，反正我是没钱上4090，只能用3090凑合凑合。
| 排名 | 显卡型号 | 显存大小 | AI生成性能评分 | 大概价格区间 |
|---|---|---|---|---|
| 1 | NVIDIA RTX 4090 | 24GB GDDR6X | ★★★★★ | 非常贵 |
| 2 | NVIDIA RTX 3090 Ti | 24GB GDDR6X | ★★★★☆ | 较贵 |
| 3 | NVIDIA RTX 4080 Super | 16GB GDDR6X | ★★★★ | 中等偏上 |
| 4 | NVIDIA RTX 4070 Ti Super | 16GB GDDR6X | ★★★☆ | 中等 |
| 5 | NVIDIA RTX 3060 | 12GB GDDR6 | ★★☆ | 便宜 |
看这个表就知道， 显存是个好东西，越大越好。24GB真的是黄金标准，能跑很多东西。12GB的入门卡也就是玩玩，稍微大点的模型或者高分辨率就爆显存了。所以钱包鼓的话，直接上4090，别犹豫，精辟。。
再说说的一些碎碎念
装完这一套，感觉整个人都虚脱了。Ubuntu 22.04虽然好用，但是这种折腾起来也是真要命。一会儿是权限问题，一会儿是依赖问题，一会儿又是网络问题。特别是那个git clone的时候， 总结一下。 经常断连，真的想砸键盘。不过 当看到ComfyUI界面跑起来点个按钮，图片慢慢生成出来的时候，那种成就感，又觉得一切都值了。
还有啊， 那个ComfyUI-Manager插件真的好用，以后下插件不用自己一个个去git clone了直接在界面里搜就行， 扎心了... 省心省力。建议大家一定要装。模型的话，除了魔搭，也可以去C站看看，虽然也是英文的，但是资源多啊。
这就是我在Ubuntu 22.04上安装ComfyUI的血泪史。希望能帮到后来者，少走点弯路。虽然过程很痛苦，但是后来啊很香。大家加油吧，为了AI绘画，冲啊，说到底。！