ComfyUI 是一款非常强大的 AI 生图工具，使用节点方式让用户可以直观地调整和连接各个模块，适合不熟悉代码的用户。

安装方法目录
一、官方整合包和秋叶启动器安装方法
二、本地部署环境安装
2-1 第一步：安装Python
2-2 第二步：安装Visual Studio
2-3 第三步：安装CUDA
2-4 第四步：安装cuDNN
2-5 第五步：安装Pytorch
2-6 第六步：安装ComfyUI

一、官方整合包和秋叶启动器安装方法

只需要下载安装包，直接安装即可。

二、本地部署环境安装

2-1 第一步：安装Python

phthon安装方法，请阅读《windows系统Python安装方法》。

2-2 第二步：安装Visual Studio

在安装 ComfyUI 之前还需要安装 Visual Studio，因为 Visual Studio 提供了必要的编译工具和依赖项，这些工具和依赖项是某些 Python 库（特别是那些包含 C/C++ 扩展模块的库）所必需的。通过安装 Visual Studio，你可以确保这些库能够正确编译和安装，从而保证 ComfyUI 的正常运行。

下面我们开始安装Visual Studio步骤与方法：

进入Visual Studio官网：（需要登入微软账号，如果没有可以注册一下），先点击下载然后在出现的页面搜索community，选择一个高版本的下载即可，如下图所示：

打开下载的安装程序，勾选有关C++的选项和对应你电脑操作系统版本的SDK后点击安装即可，其中”使用C++的桌面开发”一定要勾选，如图所示：

等待安装完成后不用启动，直接关闭即可

2-3 第三步：安装CUDA

CUDA是 ComfyUI 的必备环境 ，因为 CUDA 是英伟达提供的并行计算平台和编程模型，允许软件利用 GPU的强大计算能力来加速计算任务。ComfyUI 使用的底层深度学习框架（如 PyTorch 或 TensorFlow）可以通过 CUDA 来进行高效的图像生成和处理任务。因此，安装 CUDA 可以显著提升 ComfyUI 在处理复杂计算任务时的性能。

安装CUDA步骤：

步骤1：在开始安装之前，先查看一下显卡驱动的版本，因为CUDA的版本和驱动的版本是挂钩的。如果有特别想要的驱动版本建议先安装好，当CUDA安装好后就不能更新驱动了，不然可能会导致驱动和安装的CUDA不兼容。打开NVIDIA 控制面板（一般在系统右下角的任务栏可以找到），查看当前显卡驱动版本，如下图所示，我的显卡驱动支持的是12.5.51版本的CUDA，它是向下兼容的，所以小于12.5的版本也是可以的。

步骤2：除了显卡驱动，Pytorch的版本也是和CUDA的版本挂钩的，后面安装Pytorch时会介绍什么是Pytorch，打开Pytorch的官方下载网站：PyTorch，如下图所示，选择好操作系统、安装方式和编程语言后会出现可用的CUDA版本，可以看到我的电脑支持CUDA12.1的版本。结合上一步，我的驱动可以支持CUDA12.5以下的版本，12.1在12.5以下，所以我安装12.1版本的CUDA是没问题的。

步骤3：进入官方下载网站：[Recent posts for: “CUDA” | NVIDIA Technical Blog])，点击“Downloads”后在新界面点击“CUDA Toolkit”，如下图所示：

步骤4：在新界面点击“Download Now”，如下图所示：

步骤5：在新界面点击“Archive of Previous CUDA Releases”，如下图所示：

步骤6：在新界面根据之前得到的CUDA版本选择，比如我得到的是12.1版本，那么我就选择12.1.x的CUDA,这里的x可以任意。如下图所示：

步骤7：在新界面根据自己的操作系统版本进行选择，win10系统就选10，win11系统就选11，选择好后点击Download下载安装包，如下图所示：

步骤8：打开安装包，按照下图所示的步骤，安装路径不要修改，等待一下检查系统兼容性，然后选择自定义安装，找到Visual Studio并取消勾选，因为前面已经安装过了，后面根据系统提示安装即可，注意路径不要修改。

步骤9：安装结束后我们检查一下是否安装成功，按win+r键输入“cmd”打开终端，输入“nvcc -V”按回车键确认，如果出现了CUDA的版本信息即为安装成功，如下图所示：

2-4 第四步：安装cuDNN

cuDNN和CUDA是由英伟达提供的两个互补的工具，CUDA 提供了基础的 GPU 加速计算能力，而 cuDNN 则在 CUDA 之上构建，是深度学习框架（如 TensorFlow、PyTorch、Caffe 等）中的关键组件，能够显著提升训练和推理的速度和效率。所以我们想要激活显卡更强的画图性能，必须要安装cuDNN。

安装cuDNN步骤：

步骤1：进入英伟达官网下载，选择合适版本进行下载，如下图所示：

步骤2：点击想要的版本后，进入下图所示的界面，选择第一个windows系统的压缩包文件下载。

步骤3：解压下载好的cuDNN压缩包，里面包含下图所示的三个文件夹：

步骤4：打开CUDA的安装文件夹（默认是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1），将上面cuDNN解压的三个文件bin、include和lib分别复制粘贴到CUDA的文件夹中，如下图所示：

文件替换好后则cuDNN即为安装完成。

2-5 第五步：安装Pytorch

Pytorch 是 ComfyUI 最后一个必备的环境，它是一个广泛使用的开源深度学习框架，提供了强大的工具和库来构建和训练神经网络。ComfyUI 使用 PyTorch 来加载和运行深度学习模型，这些模型用于生成图像和其他复杂任务。PyTorch 提供了易于使用的 API 和高度优化的性能，使得处理深度学习任务变得更高效。因此，安装 PyTorch 是为了确保 ComfyUI 能够高效、灵活地执行深度学习任务，并充分利用 GPU 加速的能力。

安装Pytorch步骤：

步骤1：进入Pytorch官网：PyTorch，依次选择：Stable（2.3.1）->Windows->Pip->python->你安装的CUDA版本，选择好后复制官网给你的一串代码，如下图所示：

步骤2：按win+r输入“cmd”进入终端，粘贴上面复制的代码并按回车键运行，如下图所示：

步骤3：推荐使用魔法下载速度会更快，不要问我魔法是什么，没有魔法的话就耐心等待安装结束即可。出现下图所示的界面则说明安装成功。

2-6 第六步：安装ComfyUI

安装ComfyUI步骤：

首先我们需要安装Git程序，方便我们从GitHUB上下载文件（省去了自己下载压缩包，解压，然后把文件放到对应文件夹的步骤），在我们后续安装ComfyUI插件时也会经常用到这个工具。进入Git程序官网：Git，点击下载后在新界面选择适合自己系统的版本下载，一般选择64位版本的，如下图所示：

步骤2：下载好后打开安装程序，一直点击下一步，安装完直接关闭即可，如下图所示：

步骤3：进入ComfyUI官方，点击code然后复制下载链接，如下图所示：

步骤4：在你的电脑找一个空间比较大的磁盘（推荐1T），因为后续使用中下载模型会占用特别多的空间，如果你是上班族推荐下载到移动硬盘里方便携带，在磁盘中新建一个名为ComfyUI的文件夹并打开，然后在路径栏里输入“cmd”并按回车进入终端，如下图所示：

步骤5：在终端输入这行代码：”git clone https://github.com/comfyanonymous/ComfyUI.git“，并按回车键运行，终端会自动下载ComfyUI到你的文件夹中，git clone 后面跟的网站就是前面在官网复制的下载链接。如下图所示：

步骤6：最后，我们再安装一下ComfyUI运行所需的Python依赖库即可。完成上一步后，在我们自己建的ComfyUI文件夹中会出现一个新的ComfyUI文件夹，点进去，在路径栏输入”cmd“进入终端，如下图所示：

步骤7：在终端输入这行代码：pip install -r requirements.txt，回车键确认后等待自动安装完成即可。requirement.txt文本在ComfyUI文件中可以找到，里面列出了所需的所有依赖，我们直接一次性全部安装，如下图所示：

步骤8：接下来我们启动ComfyUI，在ComfyUI目录打开终端（操作了这么多遍相信你已经会了），输入代码”python main.py“，等待程序运行结束后会显示一个GUI地址，把它复制到浏览器进入这个地址（和打开网址的操作一样），随后就可以看见ComfyUI的界面了。如下图所示：

当你看到上面的ComfyUI界面时，恭喜你，你成功的自己安装好了ComfyUI，用它去发挥自己的创意吧！