ComfyUI 노드 기반 AI 이미지 생성 : GPU 및 OS별 최적화 설치 가이드

[Load Checkpoint]──모델──▶[CLIP Text Encode]◀──긍정 프롬프트
        │               └──CLIP──▶[CLIP Text Encode]◀──부정 프롬프트
        │                              │
        ▼                              ▼
[Empty Latent Image]──▶[KSampler]◀──모델/조건
   (해상도·배치)           │
                          ▼
                   [VAE Decode]
                          │
                          ▼
                   [Save Image]──▶ 완성 이미지

# 1. Python 3.10 ~ 3.12 버전 설치 및 환경변수 등록 확인
python --version

# 2. Git 설치 확인 (git-scm.com에서 설치 가능)
git --version

# 3. ComfyUI 리포지토리 클론 및 이동
cd D:\AI
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 4. 독립적인 가상환경(venv) 빌드 및 활성화
python -m venv venv
.\venv\Scripts\activate

# 5. 최신 PyTorch 및 관련 CUDA 연산 팩 설치
# 최신 RTX 40/50 시리즈 전용 (CUDA 12.8 / cu128 권장)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
# 구형 및 광범위 호환 버전용 (CUDA 12.4 / cu124 안정 버전)
# pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

# 6. 핵심 런타임 의존성 패키지 설치
pip install -r requirements.txt

# 7. ComfyUI 서버 최종 구동 테스트
python main.py --port 8188

# 8. GPU 활성화 및 바인딩 최종 검증 코드
python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

@echo off
rem 가상환경 수동 설치 버전은 하단 활성화 구문 주석 해제하여 사용
rem call .\venv\Scripts\activate

rem VRAM 8GB 미만 사양의 필수 VRAM 세이브 옵션 및 실시간 고속 RGB 프리뷰 지정
python main.py --lowvram --preview-method latent2rgb --listen 0.0.0.0 --port 8188
pause

# ── 1단계: OS 필수 종속 패키지 및 그래픽 라이브러리 일괄 빌드 ──
sudo apt update && sudo apt install -y \
  python3.12 python3.12-venv python3.12-dev \
  git wget curl libgl1 libglib2.0-0 \
  build-essential

# ── 2단계: 저장소 클론 및 권한 오너십 설정 ──
cd /opt
sudo git clone https://github.com/comfyanonymous/ComfyUI.git
sudo chown -R $USER:$USER ComfyUI
cd ComfyUI

# ── 3단계: 가상환경 초기화 및 활성화 ──
python3.12 -m venv venv
source venv/bin/activate

# ── 4단계: 최신 PyTorch 고속 연산 cu130 / cu128 드라이버 스택 수동 설치 ──
# 최신 하드웨어(RTX 40/50 시리즈 Blackwell 대응용 cu130 빌드)
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

# 호환 안정화 빌드 설치 필요 시 아래 선택 가능
# pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu124

# ── 5단계: 프레임워크 요구 의존성 설치 및 하드웨어 인식 테스트 ──
pip install -r requirements.txt

# 하드웨어 정상 매핑 콘솔 확인 검증
python -c "import torch; print(f'CUDA: {torch.cuda.is_available()}, GPU: {torch.cuda.get_device_name(0)}')"

# 백그라운드 상시 수신 대기 서빙 구동 테스트
python main.py --listen 0.0.0.0 --port 8188

[Unit]
Description=ComfyUI AI Generation Server Daemon Back-End
After=network.target

[Service]
Type=simple
User=ubuntu
WorkingDirectory=/opt/ComfyUI
ExecStart=/opt/ComfyUI/venv/bin/python main.py --listen 0.0.0.0 --port 8188 --highvram
Restart=always
RestartSec=10
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=comfyui

[Install]
WantedBy=multi-user.target

# 서비스 설정 재동기화 및 시작 등록
sudo systemctl daemon-reload
sudo systemctl enable comfyui.service
sudo systemctl start comfyui.service

# 실시간 동작 상태 로그 모니터링 출력 명령
sudo journalctl -u comfyui.service -f -n 50

# ComfyUI 다운로드 디렉터리 진입 후 가상환경 선언
python -m venv venv
.\venv\Scripts\activate

# 윈도우 전용 텐서 가속 다이렉트ML 파이토치 엔진 패키지 타겟 설치
pip install torch-directml torchvision torchaudio

# 기본 요구 런타임 모듈 구성 설치
pip install -r requirements.txt

# 다이렉트ML 디바이스 가속 옵션을 할당하여 ComfyUI 구동
python main.py --directml

# 1. AMD 공식 레포지토리 키 등록 및 커널 자동 인스톨러 컴파일 패키지 확보
🧬 AMD 인스톨러 다운로드 & 등록
wget https://repo.radeon.com/amdgpu-install/6.3/ubuntu/jammy/amdgpu-install_6.3.60300-1_all.deb
sudo dpkg -i amdgpu-install_6.3.60300-1_all.deb
sudo apt update

# 2. 인공지능 컴퓨팅 딥러닝 컴포넌트 전용 ROCm 레이어 타겟 일괄 컴파일
sudo amdgpu-install --usecase=rocm

# 3. 그래픽스 렌더 미디어 가속용 권한 유저 그룹 바인딩 지정
sudo usermod -a -G render,video $USER
newgrp render
sudo reboot

# 4. 하드웨어 드라이버 단 및 장치 매핑 상태 출력 검증
rocm-smi
rocminfo | grep -E "Name|gfx"

# 5. ComfyUI 전용 리눅스 가상환경 초기 가동 및 ROCm 파이토치 전용 휠 빌드 인스톨
python3 -m venv venv
source venv/bin/activate

# AMD 전용 ROCm 토치 공식 패키지 명시적 오버 라이드 설치
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.2.4

# 6. 기본 종속 모듈셋 전체 마감 인스톨
pip install -r requirements.txt

# ── RDNA 3 아키텍처 계열 (RX 7600 등) 코어 속성 강제 주입 변수 ──
export HSA_OVERRIDE_GFX_VERSION=11.0.0

# ── RDNA 2 아키텍처 계열 (RX 6700, 6600 등) 코어 속성 강제 주입 변수 ──
# export HSA_OVERRIDE_GFX_VERSION=10.3.0

# 저사양 VRAM 및 호스트 고정 메모리 충돌 억제 스위치 결합 최종 실행 파일 트리거
python main.py --lowvram --disable-pinned-memory

# 인텔 그래픽용 PyTorch 원포인트 인스톨러 매핑
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/xpu

# 인텔 원 API 익스텐션(IPEX) 패키지 빌드 셋 업
pip install intel_extension_for_pytorch

# 최종 하드웨어 전용 엑셀레이터 탐지 식별 결과 콘솔 검증
python -c "import intel_extension_for_pytorch as ipex; print(ipex.xpu.device_count())"

# 원레이어 가속 할당 스위치와 함께 ComfyUI 기동
python main.py

# 윈도우 포터블 버전 사용자의 경우: 루트 내 run_cpu.bat 더블 클릭 실행

# 수동 일반 리눅스/윈도우 가상환경 구동 버전
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
pip install -r requirements.txt

# 하드웨어 탐지를 생략하고 호스트 CPU 자원만 강제 제어 바인딩하는 매개변수 주입
python main.py --cpu

# ⚠️ 하드웨어 연산 타임 비교 지표 예시 요약:
# SDXL 1024×1024 해상도 기준 / 20스텝 연산 처리 시:
# 메인스트림 외장 GPU (RTX 4070) 기동 시: 평균 9초 소요
# 고성능 CPU 단독 (Intel i7-13700K / i9-13900K) 강제 구동 시: 평균 3분 ~ 25분(!) 이상 격차 발생

ComfyUI/
├── models/
│   ├── checkpoints/      ← SD1.5, SDXL, SD3.5 전체 병합 기본 체크포인트 공간
│   ├── loras/            ← 캐릭터, 특정 화풍, 스타일 가속 가중치 LoRA 보관
│   ├── vae/              ← 잠재 이미지 색상 변환 왜곡 보정용 필수 VAE 파일
│   ├── controlnet/       ← 포즈, 스케치 엣지, 원근 깊이 제어용 컨트롤넷 에셋 디렉터리
│   ├── clip/             ← FLUX나 SD3.5 등 다중 텍스트 텍스트 인코더 토큰 보관함
│   ├── unet/             ← FLUX 디퓨전 단독 연산 가중치 원본 레이어 보관 디렉터리
│   ├── style_models/     ← IP-Adapter 및 이미지 투 이미지 타겟 참조 레이어
│   ├── video_models/     ← Wan 2.2, HunyuanVideo 고해상도 영상 생성 모델 전문 보관
│   └── animatediff_models/ ← 애니메이트디프 전용 특화 모션 모듈 저장소
├── input/                ← 이미지 리믹스(img2img), 인페인트 작업 시 사용하는 입력 소스 공간
├── output/               ← 이미지 연산 처리가 완료된 뒤 메타 정보가 기록되어 자동 격리 저장되는 공간
├── custom_nodes/         ← 커스텀 확장 기능 플러그인이 적재 설치되는 디렉터리
└── user/                 ← 커스텀 환경설정 및 나만의 워크플로우 레이아웃 프리셋 저장소

# huggingface-cli 라이브러리 가상환경 내 사전 인스톨
pip install huggingface_hub

# ── FLUX.1 CLIP 보정 텍스트 인코더 데이터 타겟팅 고속 수신 ──
huggingface-cli download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir ./models/clip
huggingface-cli download comfyanonymous/flux_text_encoders t5xxl_fp8_e4m3fn.safetensors --local-dir ./models/clip

# ── SDXL 정식 오피셜 기본 베이스 체크포인트 모델 전송 ──
huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 sd_xl_base_1.0.safetensors --local-dir ./models/checkpoints

# ── 네트워크 순간 끊김 방지용 이어받기(Resume) 다운로드 매개변수 예시 ──
huggingface-cli download black-forest-labs/FLUX.1-dev flux1-dev.safetensors --local-dir ./models/unet --resume-download

# 파일 경로 명시 시 역슬래시 단일 기호 혼용 오류 방지를 위해 정방향 슬래시 혹은 이중 기호 권장
a111:
  base_path: D:/AI/stable-diffusion-webui/
  checkpoints: models/Stable-diffusion
  configs: models/Stable-diffusion
  vae: models/VAE
  loras: models/Lora
  controlnet: models/ControlNet

# ComfyUI 전용 커스텀 확장 노드 디렉터리로 콘솔 이동
cd /opt/ComfyUI/custom_nodes
# 또는 윈도우 수동 빌더: cd D:\AI\ComfyUI\custom_nodes

# 매니저 원본 리포지토리 복제 아카이빙
git clone https://github.com/Comfy-Org/ComfyUI-Manager.git

# 설치 완료 후 ComfyUI 메인 프로세스를 완전히 재기동하면 오측 하단 전용 제어 패널 메뉴가 활성화됩니다.

[Load Diffusion Model: flux1-dev.safetensors (fp8 또는 GGUF 선택)] ──▶ MODEL
[Load CLIP: clip_l.safetensors + t5xxl_fp8.safetensors] ──▶ CLIP
[CLIP Text Encode (Positive)] ──▶ CONDITIONING (긍정 프롬프트 텍스트 입력 단)
[Empty Latent Image (해상도: 1024×1024 고정 설정)] ──▶ LATENT
[Flux Guidance Scale (기본 권장 수치: 3.5)] ──▶ 듀얼 결합 가이드 레이어
[KSampler (Select: euler / normal 스케줄러 세팅)] ──▶ [VAE Decode: ae.safetensors] ──▶ [Save Image]

[Load Checkpoint] ──▶ [CR Multi-Lora Stack] 
                            ├── Lora_A (실사풍 화풍 보정 가중치 강도: 0.60)
                            └── Lora_B (특정 코스튬 의상 지정 가중치 강도: 0.75)
                                    └── 변환 MODEL / CLIP 상속 연계 ──▶ [KSampler 입력 엔트리 라인 매핑]

[Load Image (구도 소스)] ──▶ [AIO Aux Preprocessor (DWPose 전처리 추출)] ──▶ 오픈포즈 뼈대 데이터 메쉬
                                                                              │
[Apply ControlNet 노드 엔트리 라인 맵] ◀── [Load ControlNet Model (SDXL_OpenPose)] ──┘
         │
         ▼ (정교한 신체 포즈 가이드 정보가 인코딩 상태로 결합)
[KSampler Conditioning 가이드 포트 진입 바인딩]

[Load Video Model: wan2.2_14b_text2video_fp8.safetensors] ──▶ VIDEO_MODEL
[Wan Video Text Encode (입력 예시: "cinematic drone shot of a neon cyberpunk city street, raining")]
         │
         ▼ (시간축 노이즈 3D 인코딩 매핑)
[WanVideo KSampler (스텝 세팅: 30-40, 프레임 레이트 수치 지정: 81프레임 타겟 연산 수행)]
         │
         ▼ 
[AnimateDiff / Video VAE Decode 변환] ──▶ [VHS Video Combine 노드 트리거] ──▶ 최종 MP4/WebM 완성 비디오 파일 비주얼 표출

# ── Ampere / Ada 아키텍처 계열 (RTX 30/40 시리즈) 전용 xFormers 탑재 ──
pip install xformers

# ── 차세대 혁신 어텐션 커널 SageAttention v2/v3 초고속 이식 (빌드 필수 도구 선행 요구) ──
# 커널 가속 패키지 컴파일 인스톨 실행
pip install sageattention==2.2.0

# 최신 RTX 50 시리즈 Blackwell 하드웨어 전용 SageAttention v3 초고속 런타임 탑재 코드
# pip install sageattention==3.0.0

# ComfyUI 시스템 설정 진입: Settings → Attention → Use SageAttention 레이어를 ON 체크 활성화합니다.

# 📊 벤치마크 추론 연산 속도 변환 지표 데이터 예시 (SDXL, 1024×1024 해상도, RTX 4070 기동 기준)
# 순수 순정 노말 초기 구동 상태 (No optimization): 연산 타임 장당 약 18초 소요
# xFormers 커널 인젝션 가속 적용 시: 장당 약 12초 기록 (속도 연산률 33% 획기적 증가 보정)
# SageAttention v2 연산 알고리즘 매핑 시: 장당 약 10초 돌파 (44% 속도 업 세이브 확인)
# SageAttention v3 (RTX 50 최고 기종 매핑 가속화 시): 장당 약 6초 미만 돌파 기록 확인

import json
import urllib.request
import uuid
import websocket  # 패키지 선행 인스톨 필수: pip install websocket-client

SERVER_ADDR = "127.0.0.1:8188"
CLIENT_UUID = str(uuid.uuid4())

def send_generation_queue(workflow_json_map: dict):
    """지정 워크플로우를 ComfyUI 내부 매니징 연산 큐 버퍼에 직접 주입 코드"""
    payload_bytes = json.dumps({"prompt": workflow_json_map, "client_id": CLIENT_UUID}).encode('utf-8')
    req = urllib.request.Request(f"http://{SERVER_ADDR}/prompt", data=payload_bytes, headers={'Content-Type': 'application/json'})
    return json.loads(urllib.request.urlopen(req).read().decode('utf-8'))

# 워크플로우 API 내보내기 기능으로 추출한 JSON 맵 파일 로드 처리 파트
with open("my_flux_standard_api.json", "r", encoding="utf-8") as f:
    target_workflow = json.load(f)

# 특정 노드 번호 아이디의 프롬프트 명령어 입력 벨류 매개변수를 코드 단에서 동적 제어 오버라이딩
target_workflow["6"]["inputs"]["text"] = "a beautiful ultra-realistic cybernetic humanoid goddess, 8k photo neon light"
target_workflow["3"]["inputs"]["seed"] = 8881234912  # 시드 일치 고정화 제어

# 이미지 발송 통제 지시 트리거 구동
response_data = send_generation_queue(target_workflow)
print(f"ComfyUI 엔지니어링 큐 접수 완료! 할당 작업 발급 ID: {response_data['prompt_id']}")