ComfyUI 常见问题解答：图像生成中的 16 个高频问题

ComfyUI 常见问题解答：图像生成中的 16 个高频问题

安装与启动问题

Q1：启动时报 CUDA out of memory

原因：显存不足，无法加载模型。

# 解决方案一：使用低显存模式
python main.py --lowvram

# 解决方案二：使用 CPU 卸载（速度慢但能跑）
python main.py --cpu

# 解决方案三：关闭其他占用显存的程序
nvidia-smi  # 查看显存占用
kill -9 PID  # 关闭占用显存的进程

# 解决方案四：使用更小的模型或降低分辨率
# 默认 1024x1024 → 改为 512x512

Q2：启动时报 ModuleNotFoundError: No module named torch

# 检查是否激活了虚拟环境
which python  # 应该是虚拟环境路径

# 没有激活的话
source /opt/comfyui-env/bin/activate

# 重新安装 PyTorch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

Q3：浏览器打开 ComfyUI 页面显示连接失败

# 检查服务是否在运行
systemctl status comfyui

# 检查端口监听
ss -tlnp | grep 8188

# 检查防火墙
sudo ufw allow 8188
# 或云服务器安全组，开放 8188 端口入站规则

图像质量问题

Q4：生成的图像模糊或质量很差

原因：可能是 Steps 太少、CFG 值不合适或提示词问题。

推荐参数：

Q5：人脸生成变形

解决方案：
1. 安装 ADetailer 节点（人脸修复）
2. 在工作流中添加 ADetailer 节点，连接在 KSampler 后面
3. 使用专门的人脸修复模型（face_yolov8n.pt）

# 在 ComfyUI Manager 中搜索：ComfyUI-Impact-Pack
# 包含完整的面部修复工具链

Q6：生成图像总有水印或奇怪的字符

原因：模型是从含水印数据训练的，或者 VAE 解码问题。

解决方案：
1. 在负向提示词中加入：watermark, text, logo, signature, words
2. 更换 VAE（使用 sdxl_vae.safetensors）
3. 更换基础模型（选择高质量 finetune 版本）

工作流问题

Q7：导入工作流后部分节点显示红色报错

原因：缺少对应的自定义节点包。

# 方法一：ComfyUI Manager 自动安装缺失节点
# 菜单 → Manager → Install Missing Custom Nodes

# 方法二：手动安装
cd custom_nodes
git clone https://github.com/节点仓库URL.git

# 重启 ComfyUI

Q8：工作流卡在某个节点不动，没有报错

# 查看终端日志
# 通常是模型加载缓慢，耐心等待

# 如果超过 10 分钟没有进展
# 检查 GPU 是否在工作
nvidia-smi -l 1  # 动态刷新，看 GPU 利用率

# 强制中断并重新队列
# 在 UI 中点击：Interrupt → 清空队列 → 重新运行

Q9：ControlNet 节点不生效，图像完全忽略参考图

常见原因：
1. ControlNet 模型放错位置
   正确路径：models/controlnet/

2. Preprocessor 和 ControlNet 模型不匹配
   Canny 参考图 → 使用 control_v11p_sd15_canny.pth
   Depth 参考图 → 使用 control_v11f1p_sd15_depth.pth

3. ControlNet 权重太低
   strength 参数设置为 0.8-1.0

性能问题

Q10：生成速度很慢（1024x1024 需要 5 分钟以上）

# 1. 确认 GPU 在使用（不是 CPU 模式）
nvidia-smi
# GPU-Util 应该接近 100% 在生成期间

# 2. 启用 xformers 加速
pip install xformers
python main.py --use-pytorch-cross-attention

# 3. 使用 torch.compile（PyTorch 2.0+）
python main.py --fast

# 4. 降低步数
# 20 步 DPM++ 2M Karras 通常已经足够

Q11：多个任务排队很慢，希望提高吞吐量

ComfyUI 单机串行处理，提高吞吐的方式：

# 方式一：多 GPU 部署多个实例
python main.py --listen 0.0.0.0 --port 8188 --cuda-device 0
python main.py --listen 0.0.0.0 --port 8189 --cuda-device 1

# 方式二：前置负载均衡器分发到多个实例
# 使用 Nginx upstream 轮询

模型与资源问题

Q12：国内下载 Hugging Face 模型超时

# 使用 HF Mirror
export HF_ENDPOINT=https://hf-mirror.com
pip install huggingface_hub
huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0

# 或者使用 ModelScope
pip install modelscope
modelscope download --model AI-ModelScope/stable-diffusion-xl-base-1.0

Q13：磁盘空间不足，模型太多

# 查看各目录大小
du -sh models/checkpoints/*
du -sh models/loras/*

# 删除不用的模型
rm models/checkpoints/old-model.safetensors

# ComfyUI 会在重启后自动更新模型列表

Q14 - Q16 快速解答

需要专业 GPU 环境？

如果你的硬件不够或希望有一个稳定的 ComfyUI 服务，LocalClaw（insman.cn） 上的服务商可以提供基于专业 GPU 服务器的 ComfyUI 部署服务。