FLUX.1 和 ComfyUI：从部署到上手，轻松驾驭！
FLUX.1历史曲线
黑森林实验室推出了一款名为FLUX.1的先进图像生成模型，根据不同用户需求，提供了三种独特的版本。
FLUX.1-pro：作为专为企业打造的强大闭源版本，它提供卓越的性能和生成能力，尤其在理解提示词、提高视觉质量和细节表现，以及输出多样性方面表现优异，非常适合需要高效图像生成的企业。企业用户可以通过官方API使用此版本，并享受定制化服务。
FLUX.1-dev：这是一个开放源代码的版本，但有商用限制。基于FLUX.1-pro开发，保留了它的高精度提示词识别能力，并对效率进行了优化，适合开发者用于研究和开发项目。
FLUX.1-schnell：针对个人用户和本地开发者的开源版本，允许商业用途，采用Apache 2.0许可证。该版本的亮点是生成速度快且占用内存小，非常适用于资源有限的环境。
这些版本为不同需求的用户提供了灵活的选择，从企业级应用到个人开发，都能找到合适的解决方案。
创建流程
使用丹摩来创建实例，进入控制台-GPU云实例，点击创建实例：
在创建实例页面时，首先需要选择付费模式。如果您的需求是短期的，您可以选择按需付费或者日包形式；如果是长期使用，则推荐选择月度套餐以节省成本。
接着，您需要选择所需的GPU数量和型号。对于首次创建实例用户，我们建议选择以下配置：
- 选择按需付费模式
- 选择1个GPU
- 选择NVIDIA-GeForce-RTX-4090：这种配置提供60GB内存和24GB显存（特别是像LLaMA3.1 8B版本这样的模型至少需要16GB显存）。
然后，您需要根据需求配置数据硬盘的大小。默认情况下，每个实例附带50GB的数据硬盘。由于FLUX.1模型的数据量较大，我们建议将硬盘扩展至150GB，以保证模型和数据的顺利运行。
在接下来的步骤中，您需要选择适合的系统镜像。平台为用户提供了一系列基础镜像，这些镜像已经预装了所需的环境和框架，可以帮助您快速启动项目。您只需选择相应的框架即可，节省了手动安装的时间。
在这里，我们建议选择PyTorch作为您的框架。具体来说，您可以挑选PyTorch 2.4.0版本，该版本具备强大的功能和社区支持，非常适合深度学习和人工智能项目的开发。通过这一选择，您将获得一个稳定且高效的开发环境。
为保证安全登录，创建密钥对，输入自定义的名称，然后选择自动创建并将创建好的私钥保存的自己电脑中，以便后续本地连接使用。
创建好密钥对后，选择刚刚创建好的密钥对，并点击立即创建，等待一段时间后即可启动成功！
实例
接下来将基于平台提供的JupyterLab工具，演示fp16版本的部署流程，启动JupyterLab，并创建终端：
部署ComfyUI
在终端中执行以下命令克隆ComfyUI代码：
# github官方代码仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
# gitCode-github加速计划代码仓库
git clone https://gitcode.com/gh_mirrors/co/ComfyUI.git
克隆完成后可看到如下目录：
终端进入/root/workspace/ComfyUI目录，执行以下命令，安装ComfyUI需要的依赖：
cd ComfyUI/
pip install -r requirements.txt --ignore-installed
执行以下命令，启动ComfyUI：
python main.py --listen
看到服务成功启动，说明ComfyUI部署成功！
部署FLUX.1
推荐您阅读ComfyUI官方使用FLUX.1示例，以下是基于丹摩平台的部署教程。平台已预制FLUX.1相关资源，您可通过内网高速下载：
# 下载完整FLUX.1-dev模型
wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar
# 下载完整FLUX.1-schnell模型
wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar
# 下载完整Clip模型
wget http://file.s3/damodel-openfile/FLUX.1/flux_text_encoders.tar
此处以FLUX.1-dev为例演示，首先下载完整FLUX.1-dev模型：
wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar
解压文件：
tar -xf FLUX.1-dev.tar
解压后完成后可看到如下目录:
把其中的一些文件移至ComfyUI指定目录：大模型文件flux1-dev.safetensors需要移动至/root/workspace/ComfyUI/models/unet/文件夹中；vae文件ae.safetensors需移动至/root/workspace/ComfyUI/models/vae/文件夹中。
# 进入解压后的文件夹
cd /root/workspace/FLUX.1-dev
# 移动文件
mv flux1-dev.safetensors /root/workspace/ComfyUI/models/unet/
mv ae.safetensors /root/workspace/ComfyUI/models/vae/
接下来下载完整Clip模型：
# 进入JupyterLab根目录
cd /root/workspace
# 下载文件
wget http://file.s3/damodel-openfile/FLUX.1/flux_text_encoders.tar
解压文件：
tar -xf flux_text_encoders.tar
解压后完成后可看到如下目录:
把其中的一些文件移至ComfyUI指定目录：
# 进入解压后的文件夹
cd /root/workspace/flux_text_encoders
# 移动文件
mv clip_l.safetensors /root/workspace/ComfyUI/models/clip/
mv t5xxl_fp16.safetensors /root/workspace/ComfyUI/models/clip/
使用流程
终端进入ComfyUI目录，执行以下命令，启动ComfyUI：
cd /root/workspace/ComfyUI
python main.py --listen
启动成功，host为0.0.0.0，端口为8188：
Starting server
To see the GUI go to: http://0.0.0.0:8188
通过丹摩平台提供的端口映射能力，把内网端口映射到公网； 进入GPU 云实例页面，点击操作-更多-访问控制：
点击添加端口，添加服务对应端口：
添加成功后，通过访问链接即即可打开ComfyUI交互界面：
展示效果
端口：
[外链图片转存中…(img-yeWzyddc-1731393024557)]
添加成功后，通过访问链接即即可打开ComfyUI交互界面：
[外链图片转存中…(img-4GZ67o4E-1731393024557)]
