نصب ComfyUI روی سرور GPU؛ اجرای Stable Diffusion و FLUX

نصب ComfyUI روی سرور GPU؛ اجرای Stable Diffusion و FLUX

جدول محتوا 👇

تولید تصویر با هوش مصنوعی برای طراحان، آژانس‌های تبلیغاتی و فروشگاه‌ها به ابزار روزمره تبدیل شده است. اجرای مدل‌های متن‌باز مثل Stable Diffusion و FLUX روی سرور خودتان یعنی بدون محدودیت تعداد تصویر، بدون ارسال طرح‌ها به سرویس خارجی و با امکان مدل‌ها و گردش‌کارهای سفارشی. در این راهنما نصب ComfyUI روی سرور GPU را از انتخاب سخت‌افزار تا دسترسی امن از راه دور توضیح می‌دهیم.

ComfyUI و Stable Diffusion

Stable Diffusion و مدل‌های جدیدتری مثل SDXL، SD ۳.۵ و FLUX، مدل‌های متن‌باز یا با وزن‌های منتشرشده برای تولید تصویر از متن هستند. ComfyUI یک رابط گرافیکی مبتنی بر گره (Node) است که گردش‌کار تولید تصویر را به‌صورت نموداری از بلوک‌ها می‌سازد: بارگذاری مدل، متن ورودی، نمونه‌گیری، افزایش کیفیت و ذخیره. انعطاف بالا، پشتیبانی سریع از مدل‌های جدید و امکان اجرای گردش‌کار از طریق API، آن را به انتخاب محبوب برای استفاده حرفه‌ای تبدیل کرده است.

سخت‌افزار و VRAM لازم

مدل VRAM پیشنهادی توضیح
SD 1.5 ۶ تا ۸ گیگابایت سبک، اکوسیستم بزرگ LoRA
SDXL ۱۲ گیگابایت به بالا کیفیت بالاتر در ۱۰۲۴ پیکسل
FLUX و مدل‌های بزرگ جدید ۱۶ تا ۲۴ گیگابایت به بالا با نسخه‌های کم‌حجم (fp8 یا GGUF) روی حافظه کمتر هم اجرا می‌شوند
تولید ویدیو ۲۴ گیگابایت به بالا بسیار پرمصرف و زمان‌بر

اعداد تقریبی‌اند و به وضوح تصویر، تعداد تصاویر هم‌زمان و افزونه‌ها بستگی دارند. GPUهای NVIDIA بهترین پشتیبانی را دارند. علاوه بر VRAM، دست‌کم ۳۲ گیگابایت RAM و دیسک NVMe با فضای کافی (هر مدل چند تا ده‌ها گیگابایت) در نظر بگیرید. مقایسه کارت‌ها در مقایسه GPUهای NVIDIA برای هوش مصنوعی.

نصب ComfyUI روی Ubuntu

ابتدا درایور NVIDIA را نصب و با nvidia-smi بررسی کنید (مراحل در نصب Ollama روی سرور GPU مشابه است). سپس:

sudo apt install -y git python3-venv
sudo useradd -m -s /bin/bash comfy
sudo -iu comfy
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python3 -m venv venv
source venv/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
pip install -r requirements.txt
python main.py --listen 127.0.0.1 --port 8188

نسخه CUDA در آدرس نصب PyTorch را با درایور و راهنمای به‌روز PyTorch هماهنگ کنید. اجرای ComfyUI با کاربر جداگانه، نه root، آسیب احتمالی افزونه‌های مشکل‌دار را محدود می‌کند.

دریافت و قرار دادن مدل‌ها

مدل‌ها را در پوشه‌های مربوط قرار دهید:

  • models/checkpoints: مدل‌های اصلی (فایل .safetensors).
  • models/loras: LoRAها برای سبک یا موضوع خاص.
  • models/vae، models/clip و models/upscale_models: اجزای جانبی.
cd ~/ComfyUI/models/checkpoints
wget -c "https://huggingface.co/ORG/MODEL/resolve/main/model.safetensors"

برخی مدل‌ها در Hugging Face نیاز به پذیرش مجوز و توکن دسترسی دارند. همیشه فرمت .safetensors را به .ckpt ترجیح دهید؛ فایل‌های ckpt می‌توانند کد اجرایی داشته باشند. نکات دریافت مدل در اجرای مدل‌های Hugging Face.

دسترسی امن از راه دور

ComfyUI احراز هویت داخلی ندارد؛ هرگز آن را مستقیم روی IP عمومی باز نکنید. گزینه‌ها:

  • تونل SSH برای استفاده شخصی؛ ساده و امن:
    ssh -L 8188:127.0.0.1:8188 user@SERVER_IP

    سپس http://localhost:8188 را در مرورگر خودتان باز کنید.

  • Reverse Proxy با HTTPS و احراز هویت (Basic Auth یا SSO) برای تیم، همراه با محدودیت IP.
  • VPN برای دسترسی کارکنان به چند سرویس داخلی.

Nginx باید WebSocket را پشتیبانی کند، چون ComfyUI پیشرفت کار را از این طریق نمایش می‌دهد.

اجرای دائمی به‌عنوان سرویس

/etc/systemd/system/comfyui.service:

[Unit]
Description=ComfyUI
After=network-online.target

[Service]
User=comfy
WorkingDirectory=/home/comfy/ComfyUI
ExecStart=/home/comfy/ComfyUI/venv/bin/python main.py --listen 127.0.0.1 --port 8188
Restart=on-failure

[Install]
WantedBy=multi-user.target
sudo systemctl daemon-reload
sudo systemctl enable --now comfyui
journalctl -u comfyui -f

نکات کارایی

  • برای کارت‌های کم‌حافظه، نسخه‌های fp8 یا کوانتیزه‌شده مدل‌ها و گزینه‌های مدیریت حافظه ComfyUI (مثل --lowvram) را امتحان کنید.
  • تولید دسته‌ای (Batch) در ابعاد کوچک‌تر و سپس افزایش کیفیت تصاویر منتخب، سریع‌تر از تولید مستقیم در وضوح بالاست.
  • افزونه‌های Custom Nodes را فقط از منابع شناخته‌شده نصب کنید؛ آن‌ها کد پایتون با دسترسی کامل اجرا می‌کنند.
  • با «Export (API)» گردش‌کار را ذخیره و از برنامه یا n8n فراخوانی کنید تا تولید تصویر خودکار شود.
  • مصرف GPU را با nvidia-smi یا مانیتورینگ سرور پایش کنید.

مجوز مدل‌ها و ملاحظات

هر مدل مجوز خودش را دارد؛ برخی برای استفاده تجاری محدودیت یا شرایط درآمدی دارند. پیش از استفاده تجاری، مجوز مدل و LoRAها را بررسی کنید. همچنین قوانین حق نشر، استفاده از تصویر اشخاص و قوانین محتوایی را رعایت کنید.

سوالات متداول

ComfyUI بهتر است یا Automatic1111؟

Automatic1111 و نسخه‌های مشتق آن مثل Forge رابط ساده‌تری برای شروع دارند. ComfyUI انعطاف بیشتر، پشتیبانی سریع‌تر از مدل‌های جدید و قابلیت خودکارسازی بهتری دارد.

تولید هر تصویر چقدر طول می‌کشد؟

بسته به مدل، وضوح، تعداد گام‌ها و GPU، از چند ثانیه تا یک دقیقه. SDXL روی یک GPU قوی معمولاً در چند ثانیه یک تصویر می‌سازد.

می‌توانم مدل را با تصاویر محصولات خودم آموزش دهم؟

بله؛ آموزش LoRA با چند ده تصویر روی GPU با ۱۶ تا ۲۴ گیگابایت VRAM ممکن است و برای ثبات سبک یا محصول خاص بسیار مؤثر است.

همزمان چند نفر می‌توانند استفاده کنند؟

ComfyUI درخواست‌ها را در صف اجرا می‌کند. برای تیم‌های بزرگ‌تر، چند GPU یا چند نمونه جداگانه لازم است.

سرور GPU برای تولید تصویر

سرورهای GPU تراست هاست برای اجرای ComfyUI، Stable Diffusion و آموزش LoRA با VRAM مناسب در دسترس‌اند.

سرور مجازی ابری تراست هاست

مشاوره تراست‌هاست​

با متخصصان و کارشناسان به صورت رایگان!

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *