1 FLUX.1背景

FLUX.1是黑森林实验室（Black Forest Labs）开发的一款先进图像生成模型，分为三个不同版本，满足不同用户的需求。

FLUX.1-pro是闭源版本

• 拥有顶尖性能和图像生成能力。它在提示词识别、视觉质量、细节表现和输出多样性方面表现非常出色，适合对性能要求极高的企业用户。用户可以通过官方API访问该版本，并享受定制化服务。

FLUX.1-dev是开源但不可商用的版本

• 直接基于FLUX.1-pro。这个版本保留了高质量的提示词能力，且在效率上更为出色，适合开发者进行深入研究和开发。

FLUX.1-schnell是开源可商用的版本

• 专为本地开发和个人用户设计，采用Apache 2.0许可。这一版本在生成速度上具有明显优势，并且对内存的占用较低，适合在资源有限的环境中使用。

根据官方信息，FLUX.1的训练参数达到120亿，远超SD3 Medium的20亿。这使得FLUX.1-pro和FLUX.1-dev在图像质量、提示词准确性、尺寸适应性、排版和输出多样性上，都超越了市场上的主流模型，如Midjourney v6.0、DALL·E 3 (HD)和SD3-Ultra。

参与FLUX.1的体验活动，让我对它强大的功能和灵活的应用场景有了更深的理解，我期待在未来的项目中充分利用这个工具。

2 部署流程

1. 进入控制台-GPU云实例，点击创建实例：

2. 进入创建页面后，首先在实例配置中选择付费类型，一般短期需求可以选择按量付费或者包日，长期需求可以选择包月套餐；

   其次选择GPU数量和需求的GPU型号，首次创建实例推荐选择：

   • 按量付费
   • GPU数量1
   • NVIDIA-GeForc-RTX-4090：该配置为60GB内存，24GB的显存（本次测试的LLaMA3.1 8B 版本至少需要GPU显存16G）

   接下来配置数据硬盘的大小，每个实例默认附带了50GB的数据硬盘，FLUX.1模型较大，建议扩容至150GB。
   

3. 继续选择安装的镜像，平台提供了一些基础镜像供快速启动，镜像中安装了对应的基础环境和框架，可通过勾选来筛选框架，这里筛选PyTorch，选择PyTorch 2.4.0。

4. 为保证安全登录，创建密钥对，输入自定义的名称，然后选择自动创建并将创建好的私钥保存的自己电脑中，以便后续本地连接使用。

5. 创建好密钥对后，选择刚刚创建好的密钥对，并点击立即创建，等待一段时间后即可启动成功！

3 登录实例

接下来将基于平台提供的JupyterLab工具，演示fp16版本的部署流程。

启动JupyterLab，并创建终端：

4 部署ComfyUI

1. 在终端中执行以下命令克隆ComfyUI代码：

# github官方代码仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
# gitCode-github加速计划代码仓库
git clone https://gitcode.com/gh_mirrors/co/ComfyUI.git

2. 克隆完成后可看到如下目录：

3. 终端进入/root/workspace/ComfyUI目录，执行以下命令，安装ComfyUI需要的依赖：

cd ComfyUI/
pip install -r requirements.txt --ignore-installed

4. 执行以下命令，启动ComfyUI：

python main.py --listen

5. 看到服务成功启动，说明ComfyUI部署成功！

5 部署FLUX.1

推荐您阅读ComfyUI官方使用FLUX.1示例，以下是基于丹摩平台的部署教程

1. 平台已预制FLUX.1相关资源，您可通过内网高速下载：

# 下载完整FLUX.1-dev模型
wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar
# 下载完整FLUX.1-schnell模型
wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar
# 下载完整Clip模型
wget http://file.s3/damodel-openfile/FLUX.1/flux_text_encoders.tar

2. 此处以FLUX.1-dev为例演示，首先下载完整FLUX.1-dev模型：

wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar

3. 解压文件：

tar -xf FLUX.1-dev.tar

4. 解压后完成后可看到如下目录:

5. 把其中的一些文件移至ComfyUI指定目录：
   • 大模型文件flux1-dev.safetensors需要移动至/root/workspace/ComfyUI/models/unet/文件夹中
   • vae文件ae.safetensors需移动至/root/workspace/ComfyUI/models/vae/文件夹中

# 进入解压后的文件夹
cd /root/workspace/FLUX.1-dev
# 移动文件
mv flux1-dev.safetensors /root/workspace/ComfyUI/models/unet/
mv ae.safetensors /root/workspace/ComfyUI/models/vae/

6. 接下来下载完整Clip模型：

# 进入JupyterLab根目录
cd /root/workspace
# 下载文件
wget http://file.s3/damodel-openfile/FLUX.1/flux_text_encoders.tar

7. 解压文件：

tar -xf flux_text_encoders.tar

8. 解压后完成后可看到如下目录:

9. 把其中的一些文件移至ComfyUI指定目录：

# 进入解压后的文件夹
cd /root/workspace/flux_text_encoders
# 移动文件
mv clip_l.safetensors /root/workspace/ComfyUI/models/clip/
mv t5xxl_fp16.safetensors /root/workspace/ComfyUI/models/clip/

6 使用流程

1. 终端进入ComfyUI目录，执行以下命令，启动ComfyUI：

cd /root/workspace/ComfyUI
python main.py --listen

2. 启动成功，host为0.0.0.0，端口为8188：

Starting server

To see the GUI go to: http://0.0.0.0:8188

3. 通过丹摩平台提供的端口映射能力，把内网端口映射到公网； 进入GPU 云实例页面，点击操作-更多-访问控制：

4. 点击添加端口，添加服务对应端口：

5. 添加成功后，通过访问链接即即可打开ComfyUI交互界面：

7 导入工作流

1. FLUX.1-dev-FP16的展示效果:

2. FLUX.1-schnell-FP8:

3. FLUX.1-dev-FP8