怎样优化ComfyUI显存

优化 ComfyUI 显存的核心策略是优先启用显存优化选项，并配合降低分辨率、使用模型量化以及调整采样参数。
以下是具体的优化方案，按优先级排序：

1. 核心设置优化（最直接有效）

在 ComfyUI 的设置（Settings）中，确保以下选项已开启：

• Auto-start ComfyUI-Copilot：关闭不必要的辅助插件，减少初始显存占用。
• Preview method：建议选择 Auto 或 Latent（仅预览潜空间图像，不解码成完整图片），避免预览时占用大量显存。
• Upcasting：在 ComfyUI-Manager 或设置中，确保开启 FP16 或 FP8 相关优化（如果支持）。

2. 模型与加载优化

• 使用量化模型：
• 将大模型（Checkpoint）转换为 GGUF 格式（如 Q4_K_M, Q5_K_M）。这是目前显存优化最激进且效果显著的方法，8GB 显存也能跑大模型。
• 使用 FP8 版本的模型（SDXL FP8），相比 FP16 显存占用减半，画质损失极小。
• 正确管理模型加载：
• 使用 Unload Checkpoint 节点或确保在流程结束时释放模型。
• 如果有多个流程，尽量复用同一个 Load Checkpoint 节点，避免重复加载。

3. 分辨率与采样参数

• 降低分辨率：显存占用与像素数量成正比。例如，从 1024x1024 降到 768x768 能显著释放显存。
• 减少批处理大小（Batch Size）：将 Batch Size 设为 1。
• 调整采样步数：虽然主要影响时间，但过高的步数（如 >50）在复杂模型中也会累积显存压力。

4. 进阶显存管理（针对低显存用户）

• 启用 --lowvram 模式：
• 在启动 ComfyUI 的命令行参数中加入 --lowvram。这会强制模型在 CPU 和 GPU 之间频繁交换数据，牺牲速度换取显存空间。
• 或者在启动脚本中设置 set PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128。
• 分块处理（Tiled VAE/Diffusion）：
• 安装 ComfyUI_TiledDiffusion 和 ComfyUI_TiledVAE 插件。
• 启用分块 VAE 解码，可以将巨大的图像拆分成小块处理，极大降低峰值显存。

5. 显存容量与对应策略参考

6. 常见显存溢出（OOM）排查

• 关闭其他程序：确保浏览器（尤其是打开了多个标签页的 Chrome）没有占用大量显存。
• 检查节点：某些自定义节点（如复杂的 ControlNet 或 IPAdapter）非常吃显存，尝试暂时禁用它们以排查问题。
• 重启 ComfyUI：长时间运行后，PyTorch 的显存碎片可能导致溢出，重启可以清理碎片。

注意：如果你使用的是 NVIDIA 显卡，建议确保驱动版本在 535 以上，以获得更好的显存管理支持。如果使用的是 AMD 显卡，目前 ComfyUI 的显存优化效果可能不如 NVIDIA 显著，建议更激进地降低分辨率。