knightfemale/comfyui

ComfyUI Docker镜像文档

镜像概述和主要用途

本镜像基于https://github.com/Comfy-Org/ComfyUI%E5%AE%98%E6%96%B9%E4%BB%93%E5%BA%93%E6%9E%84%E5%BB%BA%EF%BC%8C%E6%8F%90%E4%BE%9B%E4%B8%80%E4%B8%AA%E4%BE%BF%E6%8D%B7%E9%83%A8%E7%BD%B2%E7%9A%84%E5%9F%BA%E4%BA%8E%E8%8A%82%E7%82%B9%E7%9A%84%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3%EF%BC%88Stable Diffusion）UI应用。通过Docker容器化方式，简化依赖管理和环境配置，支持GPU加速，适用于AI图像生成、模型推理等场景。

核心功能和特性

• 官方兼容：基于ComfyUI官方代码构建，确保功能一致性和更新同步
• GPU加速：支持NVIDIA GPU资源分配，通过nvidia-docker实现硬件加速
• 数据持久化：通过卷挂载实现模型、输入、输出及用户配置的数据持久化
• 灵活配置：支持自定义启动参数，优化内存使用、精度设置和缓存策略
• 稳定运行：默认配置自动重启策略，确保服务持续可用

使用场景和适用范围

适用于需要运行ComfyUI进行AI图像生成、模型测试、节点流程设计的开发者和爱好者。特别适合希望简化环境配置、快速部署ComfyUI的用户，支持个人本地部署和小型服务器环境。

使用方法和配置说明

Docker Compose部署示例

以下是完整的docker-compose.yml配置文件：

yaml
services:
  ComfyUI:
    image: knightfemale/comfyui:2.10.0-cu130
    container_name: comfyui
    ports:
      - "8188:8188"
    environment:
      PIP_INDEX_URL: https://pypi.tuna.tsinghua.edu.cn/simple
    volumes:
      - type: bind
        source: ./models
        target: /app/models
      - type: bind
        source: ./models/Frame-Interpolation
        target: /app/custom_nodes/ComfyUI-Frame-Interpolation/ckpts
      - type: bind
        source: ./input
        target: /app/input
      - type: bind
        source: ./output
        target: /app/output
      - type: bind
        source: ./user/default
        target: /app/user/default
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    command: >
      python main.py
      --listen 0.0.0.0
      --port 8188
      --disable-auto-launch
      --normalvram
      --force-fp16
      --bf16-unet
      --bf16-vae
      --fp16-text-enc
      --preview-method taesd
      --cache-lru 64
    restart: unless-stopped

配置参数说明

基础配置

• image: 镜像名称及版本，knightfemale/comfyui:2.10.0-cu130表示基于CUDA 13.0的2.10.0版本
• container_name: 容器名称，固定为comfyui
• ports: 端口映射，将容器内8188端口映射到主机8188端口，用于Web UI访问

环境变量

• PIP_INDEX_URL: PyPI镜像源配置，示例中使用清华大学镜像源加速依赖安装

卷挂载

• ./models:/app/models: 本地模型目录挂载到容器内，用于存放 Stable Diffusion 模型文件
• ./models/Frame-Interpolation:/app/custom_nodes/ComfyUI-Frame-Interpolation/ckpts: 帧插值模型权重文件挂载
• ./input:/app/input: 输入文件目录，用于存放生成所需的输入素材
• ./output:/app/output: 输出文件目录，生成的图像将保存在此目录
• ./user/default:/app/user/default: 用户配置目录，保存节点配置、工作流等用户数据

GPU资源配置

yaml
deploy:
  resources:
    reservations:
      devices:
        - driver: nvidia
          count: all
          capabilities: [gpu]

• 配置NVIDIA GPU资源分配，count: all表示使用所有可用GPU，capabilities: [gpu]启用GPU支持

启动命令参数

bash
python main.py
--listen 0.0.0.0  # 允许所有网络接口访问
--port 8188       # 服务端口
--disable-auto-launch  # 禁用自动打开浏览器
--normalvram      # 正常VRAM使用模式
--force-fp16      # 强制使用FP16精度
--bf16-unet       # UNet使用BF16精度
--bf16-vae        # VAE使用BF16精度
--fp16-text-enc   # 文本编码器使用FP16精度
--preview-method taesd  # 使用TAESD预览方法
--cache-lru 64    # LRU缓存大小设置为64

重启策略

• restart: unless-stopped: 除非手动停止，否则容器退出时自动重启

部署步骤

1. 创建本地目录结构：

   bash
   mkdir -p models models/Frame-Interpolation input output user/default
   

2. 将上述docker-compose.yml文件保存到工作目录
3. 启动服务：

   bash
   docker-compose up -d
   

4. 访问Web UI：打开浏览器访问 http://localhost:8188

注意事项

• 确保已安装nvidia-docker运行时，以支持GPU加速
• 首次启动时会自动下载依赖，可能需要较长时间
• 模型文件需自行准备并放置到./models目录下
• 根据硬件配置调整启动参数（如VRAM模式、精度设置）以获得最佳性能