保姆级教程在Ubuntu系统上部署ComfyUI版Qwen-Image-Edit-F2P想试试那个能“指哪改哪”的图片编辑模型吗Qwen-Image-Edit-F2P最近挺火的它最大的特点就是能根据你的文字指令精准地修改图片里的特定区域比如给照片里的人换个发型或者给桌上的杯子换个颜色。不过直接上手可能有点懵尤其是在服务器上部署。别担心这篇教程就是为你准备的。我会手把手带你在Ubuntu系统上通过星图GPU平台的一键镜像把ComfyUI版的Qwen-Image-Edit-F2P给跑起来。整个过程就像搭积木我们一步步来从环境检查到最终出图保证清晰明了。即使你之前没怎么接触过ComfyUI跟着做也能搞定。1. 准备工作与环境确认在开始安装之前我们需要确保你的Ubuntu服务器环境是“健康”的特别是GPU相关的部分这直接决定了模型能不能跑起来以及跑得快不快。1.1 系统与GPU环境检查首先我们通过SSH连接到你的Ubuntu服务器。打开终端输入类似下面的命令请将your_username和your_server_ip替换成你的实际信息ssh your_usernameyour_server_ip登录成功后我们进行几项关键检查确认Ubuntu版本虽然大多数现代版本都行但最好确认一下。lsb_release -a你会看到类似Ubuntu 20.04或22.04的信息。检查NVIDIA驱动这是GPU工作的基础。nvidia-smi如果这个命令能成功运行并显示出一张包含GPU型号、驱动版本、CUDA版本以及显存使用情况的表格那么恭喜驱动已经安装好了。请记下显示的CUDA Version例如12.4后续步骤会用到。检查Python版本模型需要Python 3.10。我们来确认一下python3 --version如果输出是Python 3.10.x就完美了。如果不是你可能需要先安装或切换Python 3.10。对于Ubuntu 22.04可以这样安装sudo apt update sudo apt install python3.10 python3.10-venv1.2 利用星图平台的一键镜像手动配置环境尤其是CUDA、PyTorch这些深度学习的依赖非常繁琐且容易出错。这里强烈推荐使用星图GPU平台的预置镜像功能它能极大简化我们的工作。你可以在星图平台创建实例时选择包含“ComfyUI”或“Qwen”相关标签的镜像。这些镜像通常已经预装了合适的CUDA工具包、PyTorch、以及ComfyUI的基础环境。这意味着你开机后大部分底层依赖已经就绪我们可以直接跳到部署模型本身。假设你已经通过星图平台启动了一个带有合适镜像的GPU实例并且通过SSH连接上了它。我们的工作目录就从这里开始。2. 部署ComfyUI与Qwen-Image-Edit-F2P节点现在我们进入核心的部署环节。ComfyUI是一个通过节点连接来构建AI工作流的工具我们需要先安装它然后再添加Qwen-Image-Edit-F2P这个特殊的功能节点。2.1 安装ComfyUI我们选择一个干净的目录来安装。比如在用户主目录下操作cd ~ git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI克隆完成后建议创建一个独立的Python虚拟环境来管理依赖避免污染系统环境python3.10 -m venv venv source venv/bin/activate激活虚拟环境后你的命令行提示符前面通常会显示(venv)。接下来安装ComfyUI的核心依赖。根据你通过nvidia-smi看到的CUDA版本安装对应的PyTorch。例如如果是CUDA 12.1或更高pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121然后安装其他基础依赖pip install -r requirements.txt2.2 安装Qwen-Image-Edit-F2P自定义节点ComfyUI的强大之处在于海量的自定义节点。Qwen-Image-Edit-F2P就是以节点形式存在的。我们需要把它安装到ComfyUI的custom_nodes目录下。进入自定义节点目录cd ~/ComfyUI/custom_nodes/克隆Qwen-Image-Edit-F2P的节点仓库git clone https://github.com/Sanster/ComfyUI-Qwen-Image-Edit-F2P.git cd ComfyUI-Qwen-Image-Edit-F2P安装该节点自身的依赖pip install -r requirements.txt这个步骤可能会安装一些额外的包比如transformers,diffusers等。2.3 下载模型文件节点安装好了但模型本身还需要下载。Qwen-Image-Edit-F2P基于Qwen2-VL模型。我们需要手动下载模型权重文件。在ComfyUI目录下创建模型存放的文件夹如果不存在mkdir -p ~/ComfyUI/models/checkpoints通常大模型文件放在models/checkpoints或models/unet等目录具体需要看自定义节点的说明。为了保险起见我们也可以按照节点仓库的README指引来放。这里假设我们需要放到checkpoints。你需要从Hugging Face或ModelScope等模型仓库找到Qwen/Qwen2-VL-7B-Instruct模型。由于模型文件较大约10GB下载可能需要一些时间。你可以使用git lfs克隆或者直接下载.safetensors或.bin文件。例如使用git lfs(需先安装git-lfs)cd ~/ComfyUI/models/checkpoints git lfs install git clone https://huggingface.co/Qwen/Qwen2-VL-7B-Instruct注意请确保你有足够的磁盘空间至少20GB以上。3. 启动服务与基础测试环境、节点、模型都准备好了现在让我们启动ComfyUI看看它是否工作正常。3.1 启动ComfyUI服务回到ComfyUI的主目录在虚拟环境中启动它cd ~/ComfyUI source venv/bin/activate # 如果虚拟环境已激活可省略 python main.py --listen 0.0.0.0 --port 8188参数解释--listen 0.0.0.0让服务监听所有网络接口这样你才能从本地浏览器访问远程服务器。--port 8188指定服务端口8188是ComfyUI的默认端口。如果一切顺利你会看到终端输出类似Running on http://0.0.0.0:8188的信息。3.2 远程访问Web界面现在打开你本地电脑的浏览器。在地址栏输入http://你的服务器IP地址:8188例如http://192.168.1.100:8188你应该能看到ComfyUI的图形化界面了。一个空白的画布工作区和一些节点菜单。这说明ComfyUI服务本身运行成功。3.3 加载工作流并测试首次使用我们需要导入Qwen-Image-Edit-F2P的工作流。在ComfyUI的Web界面中通常在右侧会有个“Load”按钮。点击它然后选择“Load Default”。或者更直接的方式是如果节点提供了示例工作流.json文件你可以在界面上点击“Load”按钮然后上传那个JSON文件。你可以在ComfyUI-Qwen-Image-Edit-F2P的仓库里找找有没有示例工作流。加载后画布上会出现一系列连接好的节点。你需要检查关键节点如QwenImageEditF2P的“ckpt_name”参数是否指向了你刚才下载的模型路径例如checkpoints/Qwen2-VL-7B-Instruct。准备一张测试图片和一段描述你想要如何修改的文本。例如图片是一只猫文本是“把猫的眼睛变成蓝色”。在对应的节点上传图片输入文本然后点击“Queue Prompt”按钮。如果看到节点开始运行有进度条并且最终在“Save Image”节点处输出了新图片那么恭喜你部署成功了4. 常见问题与小技巧第一次部署难免会遇到些小麻烦这里列举几个常见问题和解决方法。问题启动ComfyUI时提示缺少某个Python库。解决在虚拟环境中使用pip install 缺少的库名安装即可。如果频繁遇到可以尝试在ComfyUI主目录重新执行pip install -r requirements.txt。问题访问http://服务器IP:8188打不开。检查首先确认服务器安全组或防火墙是否放行了8188端口。对于云服务器需要在控制台配置安全组规则允许TCP协议的8188端口入站。检查在服务器上执行curl http://localhost:8188看服务是否真的在本地运行起来了。问题运行节点时报错提示找不到模型或CUDA out of memory。模型路径仔细检查节点中设置的模型路径是否正确是否指向了你下载模型的那个文件夹。显存不足Qwen2-VL-7B模型需要较大的显存可能超过10GB。如果显存不够可以尝试在启动命令中加--lowvram或--cpu参数后者用CPU跑非常慢或者考虑使用量化版本的模型如果存在。技巧让服务在后台运行我们不可能一直开着终端。可以使用nohup或screen工具让它在后台运行。cd ~/ComfyUI nohup python main.py --listen 0.0.0.0 --port 8188 comfyui.log 21 这样服务就在后台运行了日志输出到comfyui.log文件。关闭SSH连接也不会中断服务。技巧更新节点或ComfyUI如果后续需要更新可以进入对应的目录如~/ComfyUI或~/ComfyUI/custom_nodes/ComfyUI-Qwen-Image-Edit-F2P执行git pull拉取最新代码然后根据情况决定是否需要重新安装依赖pip install -r requirements.txt。整个流程走下来其实核心就是三步准备好GPU环境、安装好ComfyUI和功能节点、下载对应的模型文件。利用星图的一键镜像第一步被大大简化了。部署过程中最需要耐心的是下载模型那一步因为文件确实不小。成功运行起来后你就可以在ComfyUI的图形界面里尽情探索了。试着拖拽不同的节点连接它们用文字指挥AI修改图片的不同部分这个过程本身就很有趣。如果遇到问题多看看终端的错误信息大部分都能搜索到解决方案。祝你玩得开心做出更多有意思的图片编辑作品。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
保姆级教程：在Ubuntu系统上部署ComfyUI版Qwen-Image-Edit-F2P
保姆级教程在Ubuntu系统上部署ComfyUI版Qwen-Image-Edit-F2P想试试那个能“指哪改哪”的图片编辑模型吗Qwen-Image-Edit-F2P最近挺火的它最大的特点就是能根据你的文字指令精准地修改图片里的特定区域比如给照片里的人换个发型或者给桌上的杯子换个颜色。不过直接上手可能有点懵尤其是在服务器上部署。别担心这篇教程就是为你准备的。我会手把手带你在Ubuntu系统上通过星图GPU平台的一键镜像把ComfyUI版的Qwen-Image-Edit-F2P给跑起来。整个过程就像搭积木我们一步步来从环境检查到最终出图保证清晰明了。即使你之前没怎么接触过ComfyUI跟着做也能搞定。1. 准备工作与环境确认在开始安装之前我们需要确保你的Ubuntu服务器环境是“健康”的特别是GPU相关的部分这直接决定了模型能不能跑起来以及跑得快不快。1.1 系统与GPU环境检查首先我们通过SSH连接到你的Ubuntu服务器。打开终端输入类似下面的命令请将your_username和your_server_ip替换成你的实际信息ssh your_usernameyour_server_ip登录成功后我们进行几项关键检查确认Ubuntu版本虽然大多数现代版本都行但最好确认一下。lsb_release -a你会看到类似Ubuntu 20.04或22.04的信息。检查NVIDIA驱动这是GPU工作的基础。nvidia-smi如果这个命令能成功运行并显示出一张包含GPU型号、驱动版本、CUDA版本以及显存使用情况的表格那么恭喜驱动已经安装好了。请记下显示的CUDA Version例如12.4后续步骤会用到。检查Python版本模型需要Python 3.10。我们来确认一下python3 --version如果输出是Python 3.10.x就完美了。如果不是你可能需要先安装或切换Python 3.10。对于Ubuntu 22.04可以这样安装sudo apt update sudo apt install python3.10 python3.10-venv1.2 利用星图平台的一键镜像手动配置环境尤其是CUDA、PyTorch这些深度学习的依赖非常繁琐且容易出错。这里强烈推荐使用星图GPU平台的预置镜像功能它能极大简化我们的工作。你可以在星图平台创建实例时选择包含“ComfyUI”或“Qwen”相关标签的镜像。这些镜像通常已经预装了合适的CUDA工具包、PyTorch、以及ComfyUI的基础环境。这意味着你开机后大部分底层依赖已经就绪我们可以直接跳到部署模型本身。假设你已经通过星图平台启动了一个带有合适镜像的GPU实例并且通过SSH连接上了它。我们的工作目录就从这里开始。2. 部署ComfyUI与Qwen-Image-Edit-F2P节点现在我们进入核心的部署环节。ComfyUI是一个通过节点连接来构建AI工作流的工具我们需要先安装它然后再添加Qwen-Image-Edit-F2P这个特殊的功能节点。2.1 安装ComfyUI我们选择一个干净的目录来安装。比如在用户主目录下操作cd ~ git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI克隆完成后建议创建一个独立的Python虚拟环境来管理依赖避免污染系统环境python3.10 -m venv venv source venv/bin/activate激活虚拟环境后你的命令行提示符前面通常会显示(venv)。接下来安装ComfyUI的核心依赖。根据你通过nvidia-smi看到的CUDA版本安装对应的PyTorch。例如如果是CUDA 12.1或更高pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121然后安装其他基础依赖pip install -r requirements.txt2.2 安装Qwen-Image-Edit-F2P自定义节点ComfyUI的强大之处在于海量的自定义节点。Qwen-Image-Edit-F2P就是以节点形式存在的。我们需要把它安装到ComfyUI的custom_nodes目录下。进入自定义节点目录cd ~/ComfyUI/custom_nodes/克隆Qwen-Image-Edit-F2P的节点仓库git clone https://github.com/Sanster/ComfyUI-Qwen-Image-Edit-F2P.git cd ComfyUI-Qwen-Image-Edit-F2P安装该节点自身的依赖pip install -r requirements.txt这个步骤可能会安装一些额外的包比如transformers,diffusers等。2.3 下载模型文件节点安装好了但模型本身还需要下载。Qwen-Image-Edit-F2P基于Qwen2-VL模型。我们需要手动下载模型权重文件。在ComfyUI目录下创建模型存放的文件夹如果不存在mkdir -p ~/ComfyUI/models/checkpoints通常大模型文件放在models/checkpoints或models/unet等目录具体需要看自定义节点的说明。为了保险起见我们也可以按照节点仓库的README指引来放。这里假设我们需要放到checkpoints。你需要从Hugging Face或ModelScope等模型仓库找到Qwen/Qwen2-VL-7B-Instruct模型。由于模型文件较大约10GB下载可能需要一些时间。你可以使用git lfs克隆或者直接下载.safetensors或.bin文件。例如使用git lfs(需先安装git-lfs)cd ~/ComfyUI/models/checkpoints git lfs install git clone https://huggingface.co/Qwen/Qwen2-VL-7B-Instruct注意请确保你有足够的磁盘空间至少20GB以上。3. 启动服务与基础测试环境、节点、模型都准备好了现在让我们启动ComfyUI看看它是否工作正常。3.1 启动ComfyUI服务回到ComfyUI的主目录在虚拟环境中启动它cd ~/ComfyUI source venv/bin/activate # 如果虚拟环境已激活可省略 python main.py --listen 0.0.0.0 --port 8188参数解释--listen 0.0.0.0让服务监听所有网络接口这样你才能从本地浏览器访问远程服务器。--port 8188指定服务端口8188是ComfyUI的默认端口。如果一切顺利你会看到终端输出类似Running on http://0.0.0.0:8188的信息。3.2 远程访问Web界面现在打开你本地电脑的浏览器。在地址栏输入http://你的服务器IP地址:8188例如http://192.168.1.100:8188你应该能看到ComfyUI的图形化界面了。一个空白的画布工作区和一些节点菜单。这说明ComfyUI服务本身运行成功。3.3 加载工作流并测试首次使用我们需要导入Qwen-Image-Edit-F2P的工作流。在ComfyUI的Web界面中通常在右侧会有个“Load”按钮。点击它然后选择“Load Default”。或者更直接的方式是如果节点提供了示例工作流.json文件你可以在界面上点击“Load”按钮然后上传那个JSON文件。你可以在ComfyUI-Qwen-Image-Edit-F2P的仓库里找找有没有示例工作流。加载后画布上会出现一系列连接好的节点。你需要检查关键节点如QwenImageEditF2P的“ckpt_name”参数是否指向了你刚才下载的模型路径例如checkpoints/Qwen2-VL-7B-Instruct。准备一张测试图片和一段描述你想要如何修改的文本。例如图片是一只猫文本是“把猫的眼睛变成蓝色”。在对应的节点上传图片输入文本然后点击“Queue Prompt”按钮。如果看到节点开始运行有进度条并且最终在“Save Image”节点处输出了新图片那么恭喜你部署成功了4. 常见问题与小技巧第一次部署难免会遇到些小麻烦这里列举几个常见问题和解决方法。问题启动ComfyUI时提示缺少某个Python库。解决在虚拟环境中使用pip install 缺少的库名安装即可。如果频繁遇到可以尝试在ComfyUI主目录重新执行pip install -r requirements.txt。问题访问http://服务器IP:8188打不开。检查首先确认服务器安全组或防火墙是否放行了8188端口。对于云服务器需要在控制台配置安全组规则允许TCP协议的8188端口入站。检查在服务器上执行curl http://localhost:8188看服务是否真的在本地运行起来了。问题运行节点时报错提示找不到模型或CUDA out of memory。模型路径仔细检查节点中设置的模型路径是否正确是否指向了你下载模型的那个文件夹。显存不足Qwen2-VL-7B模型需要较大的显存可能超过10GB。如果显存不够可以尝试在启动命令中加--lowvram或--cpu参数后者用CPU跑非常慢或者考虑使用量化版本的模型如果存在。技巧让服务在后台运行我们不可能一直开着终端。可以使用nohup或screen工具让它在后台运行。cd ~/ComfyUI nohup python main.py --listen 0.0.0.0 --port 8188 comfyui.log 21 这样服务就在后台运行了日志输出到comfyui.log文件。关闭SSH连接也不会中断服务。技巧更新节点或ComfyUI如果后续需要更新可以进入对应的目录如~/ComfyUI或~/ComfyUI/custom_nodes/ComfyUI-Qwen-Image-Edit-F2P执行git pull拉取最新代码然后根据情况决定是否需要重新安装依赖pip install -r requirements.txt。整个流程走下来其实核心就是三步准备好GPU环境、安装好ComfyUI和功能节点、下载对应的模型文件。利用星图的一键镜像第一步被大大简化了。部署过程中最需要耐心的是下载模型那一步因为文件确实不小。成功运行起来后你就可以在ComfyUI的图形界面里尽情探索了。试着拖拽不同的节点连接它们用文字指挥AI修改图片的不同部分这个过程本身就很有趣。如果遇到问题多看看终端的错误信息大部分都能搜索到解决方案。祝你玩得开心做出更多有意思的图片编辑作品。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
