[TOC]

揭秘FLUX.1图像生成模型：AI工程师的前沿实践与突破性探索

>  黑森林实验室（Black Forest Labs）研发的FLUX.1图像生成模型，以其120亿参数的庞大规模，正在重新定义图像生成技术的新标准。FLUX.1系列模型的推出，不仅为AI工程师提供了强大的工具，也为整个图像生成领域带来了新的活力。

## 1  FLUX.1系列模型

FLUX.1系列模型包含三个版本，每个版本都有其独特的优势和应用场景：

1. **FLUX.1-Professional**：作为闭源版本，它提供了顶尖的性能和图像生成能力。在提示词识别、视觉质量、细节表现和输出多样性方面，FLUX.1-Professional展现出色的表现。它非常适合对性能有高要求的企业用户，并且可以通过官方API进行访问，享受定制化服务。
2. **FLUX.1-Developer**：这是开源但限制商用的版本，基于FLUX.1-Professional构建。它保持了高质量的提示词处理能力，并在效率上有所提升，非常适合开发者进行研究和开发。AI工程师可以利用这一版本进行深入的技术探索和应用开发。
3. **FLUX.1-Express**：这是开源且可商用的版本，专为个人用户和本地开发设计。采用Apache 2.0许可证，它在生成速度上具有显著优势，同时内存占用较低，适合在资源有限的环境中运行。


## 2  AI工程师的视角 

作为AI工程师，我对FLUX.1系列模型的推出感到非常兴奋。

这些模型不仅在技术上取得了突破，而且在实际应用中展现出了巨大的潜力。FLUX.1-Professional的高性能特点，使其成为需要通过API接入图像生成服务的AI项目的理想选择。它的高效率和高质量的输出，可以显著提升AI应用的用户体验。

FLUX.1-Developer的开源特性，为AI工程师提供了一个研究和开发图像生成技术的绝佳平台。它的高性能和开源代码，使得工程师可以自由地探索和创新。

FLUX.1-Express的快速生成能力和低资源占用，使其成为需要在本地环境中快速部署图像生成服务的AI工程师的理想选择。它的开源许可证和优化的性能，使得资源受限的开发环境也能享受到高质量的图像生成服务。

## 3 部署ComfyUI

（1）在终端中执行以下命令克隆ComfyUI代码： 

```bash
# 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： 

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

（4）执行以下命令，启动ComfyUI： 

```bash
python main.py --listen
```


（5）看到服务成功启动，说明ComfyUI部署成功！ 

## 4 部署FLUX.1

> 推荐您阅读[ComfyUI官方使用FLUX.1示例](https://comfyanonymous.github.io/ComfyUI_examples/flux/)，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：

```shell
# 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： 

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

（3）解压文件： 

```bash
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

```bash
# 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： 

```bash
# 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： 

```bash
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： 

```bash
# 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/
```

## 5 导入工作流
196462394.png)

## 6 新的挑战

尽管FLUX.1模型在图像生成领域取得了显著的成就，但它也带来了新的挑战。

例如，模型的训练和部署需要大量的计算资源，这对许多组织来说可能是一个负担，这些模型的可解释性仍然是一个挑战。

AI工程师需要不断学习和适应，开发新的算法和技术，以优化模型的性能和效率，探索新的模型解释方法，提高模型的可解释性，并与安全专家合作，确保模型的安全性。

随着技术的不断进步，FLUX.1模型的未来发展充满无限可能，AI工程师可以期待构建出更加智能、高效和安全的人工智能系统，为人类社会的发展做出更大的贡献。
————————————————

                            版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
                        
原文链接：https://blog.csdn.net/yy6636bdb/article/details/143711638