【WSL2笔记9】Ubuntu 环境ComfyUI 安装使用笔记

本文记录了在Ubuntu系统中安装ComfyUI的详细步骤,包括从Git仓下载,设置Python 3.9和Torch环境,安装依赖,启动参数说明,以及遇到的ModuleNotFoundError: No module named ‘chardet’、xFormers加载C++/CUDA扩展失败和Aborted错误的解决方案。确保在Win浏览器和本地局域网中可以访问。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 安装

1.1 Git仓下载ComfyUI

git clone https://github.com/comfyanonymous/ComfyUI.git

$ cd ~
$ git clone https://github.com/comfyanonymous/ComfyUI
Cloning into 'ComfyUI'...
remote: Enumerating objects: 10278, done.
remote: Counting objects: 100% (5100/5100), done.
remote: Compressing objects: 100% (1951/1951), done.
remote: Total 10278 (delta 3268), reused 3160 (delta 3148), pack-reused 5178
Receiving objects: 100% (10278/10278), 4.04 MiB | 97.00 KiB/s, done.
Resolving deltas: 100% (6965/6965), done.
Updating files: 100% (279/279), done.
$ cd ComfyUI

1.2 安装环境

1.2.1 Python 版本

ComfyUI在Ubuntu环境下,python 3.8、 3.9、 3.10 实测都能通过
使用3.9是为了后续兼容其他第三方插件,有些插件在3.10下依赖版本冲突
conda create -n comfyui python==3.9
conda activate comfyui

1.2.2 Torch 版本

Conda 安装
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
Pip 安装
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121

二选一即可

$ conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
nvidia
Channels:
 - pytorch
 - nvidia
 - defaults
Platform: linux-64
Collecting package metadata (repodata.json): done
Solving environment: done

## Package Plan ##

  environment location: /home/gpu/anaconda3/envs/comfyui

  added / updated specs:
    - pytorch
    - pytorch-cuda=12.1
    - torchaudio
    - torchvision


The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    pytorch-2.2.1              |py3.9_cuda12.1_cudnn8.9.2_0        1.34 GB  pytorch
    torchaudio-2.2.1           |       py39_cu121         6.2 MB  pytorch
    torchtriton-2.2.0          |             py39       177.1 MB  pytorch
    torchvision-0.17.1         |       py39_cu121         7.9 MB  pytorch
    ------------------------------------------------------------
                                           Total:        1.53 GB

The following NEW packages will be INSTALLED:

  blas               anaconda/pkgs/main/linux-64::blas-1.0-mkl
  brotli-python      anaconda/pkgs/main/linux-64::brotli-python-1.0.9-py39h6a678d5_7
  bzip2              anaconda/pkgs/main/linux-64::bzip2-1.0.8-h5eee18b_5
  certifi            anaconda/pkgs/main/linux-64::certifi-2024.
### 如何在 Windows Subsystem for Linux (WSL) 的 Ubuntu 20.04 环境下正确配置和安装 CUDA 要在 WSL 上的 Ubuntu 20.04 中成功配置并安装 CUDA,需遵循以下方法: #### 配置 WSL 和 NVIDIA GPU 支持 为了使 WSL 能够访问宿主机中的 NVIDIA GPU,需要先启用 WSL 对 GPU 的支持功能。这可以通过更新到最新版本的 WSL 来实现,并确保已安装 NVIDIA 驱动程序。 NVIDIA 提供了一个专门用于 WSL 的驱动包 `nvidia-driver-linux-wsl`,该工具允许 WSL 访问宿主机上的显卡资源[^3]。确认宿主机上已经安装了兼容的 NVIDIA 显卡驱动之后,在 WSL 的终端中执行以下命令来验证是否可以检测到 GPU: ```bash nvidia-smi ``` 如果上述命令能够正常返回有关 GPU 使用情况的信息,则说明 WSL 已经具备了对 NVIDIA GPU 的基本支持能力。 #### 下载与安装 CUDA Toolkit 接下来下载适合目标系统的 CUDA 版本。例如要安装 CUDA 11.3.1,可通过官方链接获取本地安装器文件[^4]: ```bash wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run sudo sh cuda_11.3.1_465.19.01_linux.run ``` 注意:此过程可能涉及接受许可协议以及选择组件等内容;按照提示完成操作即可。 另外一种更为简便的方式是从 APT 源直接安装所需的 CUDA 版本及其依赖项。首先添加 NVIDIA 的软件仓库密钥及地址列表: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb echo "deb http://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64 /" | sudo tee /etc/apt/sources.list.d/cuda.list sudo apt-get update && sudo apt-get install -y cuda ``` #### 设置环境变量 为了让系统识别新安装好的 CUDA 库路径,还需要调整一些重要的环境变量设置。编辑用户的 shell profile 文件(通常是 ~/.bashrc 或者 ~/.zshrc),加入下面几行内容以便每次启动会话都能自动加载这些更改: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH source ~/anaconda3/etc/profile.d/conda.sh # 如果使用 Anaconda 则加上这一句 ``` 保存修改后的配置文件并通过 source 命令立即生效或者重新打开一个新的 terminal 实例来进行测试。 最后再次运行 nvidia-smi 查看当前状态是否一切正常,同时也可以尝试编译简单的 CUDA 示例项目进一步检验整个流程的成功与否。 --- ### 注意事项 尽管本文档主要针对的是基于 WSL2 构建起来的 Ubuntu 20.04 LTS 发行版描述具体步骤,但对于更高版本如 Ubuntu 22.04 可能存在一定的局限性——由于其特殊的设计机制使得无法像以前那样自由指定存储目录位置等问题出现时,请参照相关文档做出适当调整[^1]。 此外值得注意的一点是关于不同操作系统平台之间可能存在差异化的处理方式,尤其是当涉及到较新的特性集成时更应该仔细阅读对应产品的发布笔记和技术博客文章以获得最精确指导信息[^2]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值