如何优化ComfyUI模型显存占用

在 ComfyUI 里优化模型显存占用，核心思路是：减少同时驻留显存的模型/张量、用低精度或分块计算、释放无用缓存。下面按“立竿见影 → 进阶 → 架构级”三个层次讲。

一、立竿见影的优化（强烈推荐）

1. 使用 模型分块加载 / 低显存模式

ComfyUI 自带显存优化：

• 节点：Load Checkpoint
• 勾选或设置：
• low_cpu_mem_usage
• use_split_attention（如 xFormers / sageattention）
• 或使用：
• --lowvram
• --medvram

启动参数示例：

python main.py --lowvram

适用情况：

• 显存 < 8GB
• 跑 SDXL / Flux 很吃力

2. 启用 xFormers 或 SageAttention

大幅降低注意力显存：

• xFormers（老牌稳定）
• SageAttention（新，更快更省）

安装后 ComfyUI 会自动启用。

3. 不要同时加载多个大模型

常见误区：

• 同时加载：
• 主模型（SDXL / Flux）
• 多个 LoRA
• VAE
• ControlNet ×2
• 放大模型（ESRGAN / 4x）

✅ 优化方式：

• 用 ModelMerge 提前合并 LoRA
• ControlNet 用时再加载
• 放大放在 CPU 或后处理

二、进阶优化（适合折腾）

4. 使用 GGUF / quantized 模型

特别适合低显存：

• SD1.5 / SDXL / Flux 都有 GGUF
• 显存可降到：
• 4GB 跑 SDXL
• 6–8GB 跑 Flux

ComfyUI 支持：

• UnetLoaderGGUF
• CLIPLoaderGGUF

5. 显存卸载策略（VRAM ↔ RAM）

ComfyUI 支持：

• model.clone() 后立刻 model.to("cpu")
• 使用 FreeGPUMemory 节点
• 工作流结束后主动释放

推荐节点：

• Free Memory (Advanced)
• Unload All Models

6. 减少分辨率 & 批大小

显存 ≈ 分辨率² × batch
示例：

• 1024×1024 → 768×768 可省 40%+ 显存
• batch_size=4 → 1 立省 75%

三、架构级优化（长期方案）

7. 使用 ComfyUI-GGUF / ComfyUI-ZLUDA

• GGUF：量化模型
• ZLUDA：AMD 显卡显存优化

8. 分离推理与后处理

• 生成：GPU
• 放大 / 修复 / 视频：CPU 或独立进程

9. 监控显存（避免隐性泄漏）

工具：

• nvidia-smi
• ComfyUI 内置显存显示
• 节点：VRAM Usage

四、典型显存配置建议

如果你愿意，可以：

• 告诉我 显卡型号 + 模型（SDXL / Flux / 视频）
• 或贴 ComfyUI 工作流截图

我可以直接帮你做一份 针对性显存优化方案。