ComfyUI显存怎么优化 - AI技术

ComfyUI 的显存优化核心在于调整启动参数、精简工作流以及合理设置模型加载选项。对于大多数用户，最有效的方案是在启动命令中添加 --lowvram 参数，并启用模型卸载功能。
以下是具体的优化方案：

1. 启动参数优化（最有效）

通过修改 run_nvidia_gpu.bat 或启动脚本，添加以下参数来限制显存使用：

参数	适用场景	说明
`--lowvram`	显存 < 8GB	首选方案。强制模型在生成过程中频繁在 RAM 和 VRAM 之间交换数据，虽然速度稍慢，但能大幅降低峰值显存占用。
`--medvram`	显存 8GB - 12GB	折中方案。比 `--lowvram` 交换频率低，速度更快，但显存占用稍高。
`--highvram`	显存 > 24GB	强制将整个模型加载到显存中，速度最快，不需要此参数则无需添加。
`--disable-smart-memory`	显存较小	禁用智能显存管理，强制在每次采样后释放显存（可能会稍微变慢）。
`--preview-method auto`	通用	使用自动预览方式，减少预览图对显存的占用。

操作示例：
右键编辑你的启动脚本（如 run_nvidia_gpu.bat），在 python 命令后添加参数：

python main.py --lowvram --preview-method auto

2. 工作流与节点设置

在 ComfyUI 界面内，通过优化节点连接来节省显存：

启用模型卸载（Unload Models）：在复杂的流程中，采样结束后显存可能未立即释放。可以在采样节点后连接 FreeU 或手动添加 VAEDecode 后接一个空节点，或者使用 Model Unload 节点来强制释放。
降低分辨率：这是最直接的办法。生成 512x512 和 1024x1024 的显存占用差异巨大。建议先低分辨率出图，再用 Upscale（放大） 节点提升画质。
精简节点数量：过多的自定义节点（Custom Nodes）尤其是涉及视觉处理的节点，会持续占用显存。关闭不需要的预览窗口（如 3D 旋转预览等）。
使用 SDXL Turbo / LCM：这类模型所需的采样步数极少（通常 4-8 步），能显著减少显存波动。

3. 模型与加载器选择

使用 FP8 精度模型：如果你使用的是 SDXL 或 Flux 等大模型，优先下载 fp8 版本的模型（如 sdxl_base_fp8.safetensors）。相比 fp16，显存占用几乎减半，画质损失极小。
检查加载器设置：在 Load Checkpoint 或 Load LoRA 节点中，确保没有重复加载模型。如果使用了多个 LoRA，注意叠加过多 LoRA 会显著增加显存压力。

4. 进阶技巧与排查

关闭硬件加速（Windows）：在 Windows 设置 -> 系统 -> 显示 -> 图形设置中，关闭“硬件加速 GPU 计划”，有时能解决显存溢出问题。
清理 Torch 缓存：如果 ComfyUI 报错 CUDA out of memory，尝试在 Python 代码中（或重启时）确保 torch.cuda.empty_cache() 被执行，ComfyUI 通常自带此功能，但重启是最彻底的清理方式。
共享显存（不建议）：虽然 NVIDIA 驱动会调用系统内存作为共享显存，但这会导致生成速度极慢（掉帧严重），仅作为最后手段。

总结建议：
如果你使用的是 6GB 或 8GB 显卡（如 RTX 3060 8G），请务必使用 --lowvram 参数，并将图片分辨率控制在 512x768 左右。如果是 12GB 显卡（如 RTX 3060 12G），通常默认设置即可流畅运行 SDXL。