丹摩征文活动 | FLUX.1 & ComfyUI：双重力量，快速完成部署与使用！

FLUX.1进化史

黑森林实验室最新推出的图像生成模型FLUX.1，为不同用户群体量身定制了三款版本，满足多样化的图像创作需求。

FLUX.1-pro版本，专为企业级用户打造，以其卓越的性能和图像生成能力，成为行业领先之选。它在提示词识别、视觉质量提升、细节展现和输出多样性方面均表现卓越，尤其适合追求高效率图像生成的企业用户。企业用户可通过官方API接入此版本，并享受定制化服务体验。

FLUX.1-dev版本，基于FLUX.1-pro开发，开源但限制商业用途。它继承了高精度的提示词识别能力，并在效率上进行了优化，是开发者进行研究和开发的理想选择。

FLUX.1-schnell版本，面向个人用户和本地开发者的开源且可商用版本，遵循Apache 2.0许可协议。它以快速的生成速度和低内存占用为特点，非常适合资源受限的环境。

这三款版本的FLUX.1，不仅展现了黑森林实验室在图像生成领域的技术实力，也为AI艺术创作和商业应用提供了更多可能性。

部署流程

使用丹摩来部署，进入控制台-GPU云实例，点击创建实例：

当您准备设置新的计算实例时，请先确定计费模式。对于短期项目，可以选择灵活的按需付费或日套餐；而长期项目，则推荐包月计费方案。

对于初次用户，建议配置如下：

• 计费方式：按需计费
• GPU配置：1个单位
• 型号推荐：NVIDIA GeForce RTX 4090，这款GPU拥有60GB的内存和24GB的显存，足以满足LLaMA3.1 8B版本至少16G显存的需求。

考虑到FLUX.1模型的存储需求，虽然每个实例都配备了50GB的硬盘空间，但建议将其扩展至150GB，以确保充足的存储空间。这样的配置将为您提供一个高效且经济的计算环境。

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。

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。

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！

部署实例

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：

部署ComfyUI

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

克隆完成后可看到如下目录：

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

执行以下命令，启动ComfyUI：

python main.py --listen

看到服务成功启动，说明ComfyUI部署成功！

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，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

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

解压文件：

tar -xf FLUX.1-dev.tar

解压后完成后可看到如下目录:

为了确保ComfyUI能够顺利运行，需要将特定的文件放置在正确的路径下。请将大型模型文件flux1-dev.safetensors复制到/root/workspace/ComfyUI/models/unet/目录。同样，vae模型文件ae.safetensors应被移动到/root/workspace/ComfyUI/models/vae/路径下。这样操作后，ComfyUI便能正确识别并加载这些模型文件。

# 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/

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

解压文件：

tar -xf flux_text_encoders.tar

解压后完成后可看到如下目录:

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/

使用流程

终端进入ComfyUI目录，执行以下命令，启动ComfyUI：

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

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

利用丹摩平台的端口映射功能，您可以将内部网络端口映射到公共网络上。只需进入丹摩的“GPU云实例管理”页面，选择“操作”菜单下的“更多”，然后点击“访问控制”来设置。这样，您就能轻松实现内网到公网的端口映射，提高网络访问的便捷性。

点击添加端口，添加服务对应端口：

添加成功后，通过访问链接即即可打开ComfyUI交互界面：

展示效果

端口：

[外链图片转存中...(img-LIlTVlij-1731394587860)]

添加成功后，通过访问链接即即可打开ComfyUI交互界面：

[外链图片转存中...(img-ZpH3wx4s-1731394587860)]

展示效果

[外链图片转存中...(img-y2AdXa1x-1731394587860)]