艾萝工坊

主题

部署前准备 ​

运行 AI 图像和视频模型时，显卡、内存、磁盘和网络都要满足一定条件。ComfyCarry 已将所需软件整理在 Docker 镜像中，你还需要准备合适的 NVIDIA GPU、驱动和存储空间，并确定面板及相关服务的访问方式。运行位置不同，准备内容也不同：可以先判断本地 Linux、Windows WSL2 或 GPU 租赁平台哪种方式更合适，再核对对应要求。

选择部署环境 ​

运行位置适合的情况与准备内容
本地 Linux日常使用 Linux，自行管理本机运行环境。准备 NVIDIA 驱动、Docker Engine 和 NVIDIA Container Toolkit
Windows WSL2日常使用 Windows，在同一台电脑上运行。准备 WSL2，并选择 Docker Desktop 或 Ubuntu 内的 Docker Engine
GPU 租赁平台按使用时间租用远程 GPU。创建实例时选择镜像与 GPU，挂载持久化存储并映射端口

三种方式使用同一个 ComfyCarry 镜像。先确认下面的硬件和存储条件，再阅读对应的部署部分。

GPU、内存和磁盘 ​

支持的 GPU ​

当前镜像要求 NVIDIA GPU 的 CUDA Compute Capability 达到 8.0 或更高。选择电脑或租赁实例时，可以直接按常见系列判断：

GPU 架构常见型号是否适合当前镜像
BlackwellRTX 50 系列、B200支持
HopperH100、H200支持
AdaRTX 40 系列、L4、L40、L40S支持
AmpereRTX 30 系列、A100、A10、A40支持
Turing 及之前RTX 20、GTX 16 系列、T4 或更早型号不支持
其他AMD、Intel、Apple Silicon 等其他 GPU不支持

当前镜像从 Ampere 架构开始支持 NVIDIA GPU。RTX 20 系列、GTX 16 系列、T4，以及 AMD、Intel 和 Apple 芯片需要使用与其硬件对应的其他 ComfyUI 运行环境。

显存和系统内存 ​

显存需求主要取决于模型、生成分辨率、精度和附加功能。可以按准备生成的内容估算：

使用内容建议起点
SDXL、Pony、Illustrious、NoobAI 等常规图像模型8–12 GB 显存
FLUX、Krea、Z-Image 等较大的图像模型16 GB 及以上显存
Wan、MiniMax 等视频模型24 GB 及以上显存
系统内存常规图像生成可从 16 GB 起步；大型图像或视频模型更适合 32 GB 及以上

显存较小时，可以在部署后选择占用显存更少的模型版本，并通过配置与版本调整显存管理方式。

磁盘空间 ​

磁盘需要容纳 ComfyCarry 镜像、ComfyUI、模型、缓存、输入文件和生成结果。

准备保存的内容建议空间
少量常用图像模型80–100 GB
多个大型图像模型200 GB 及以上
多个视频模型和长期保存的生成结果根据模型文件大小准备 300 GB 或更多

ComfyCarry 的模型、工作流、输入和输出都保存在容器的 /workspace 中。本地部署时，将 Docker Volume 或主机目录挂载到这里；租赁平台上则把持久化存储挂载到这里。

首次启动还会把镜像中的 ComfyUI 运行环境复制到 /workspace。上表的建议空间已经包含这部分基础文件；规划磁盘时，除了模型和生成结果，还要为运行环境与下载缓存预留约 20 GB。

网络与端口 ​

首次启动会联网准备 ComfyCarry 所需组件，下载模型时还需要访问对应的模型来源。

容器内端口常用映射用途什么时候需要
50005000:5000ComfyCarry 页面首次部署和日常使用
81888188:8188ComfyUI 工作流页面需要直接打开 ComfyUI
88888888:8888JupyterLab需要使用 JupyterLab
222222:22SSH需要通过 SSH 连接容器

端口映射的写法是“主机端口:容器内端口”。例如 2222:22 表示连接主机的 2222 端口时，进入容器中的 SSH 服务；18188:8188 则表示通过主机的 18188 端口打开 ComfyUI。

本机部署后可以打开：

页面地址
ComfyCarryhttp://localhost:5000
ComfyUIhttp://localhost:8188
JupyterLabhttp://localhost:8888

在本地 Linux 运行 ​

下面的 Docker 安装命令适用于 Ubuntu 22.04、24.04 和 26.04。使用其他 Linux 发行版时，先按发行版对应的官方说明安装 Docker Engine 和 NVIDIA Container Toolkit，再从验证 Docker 的 GPU 支持继续。

检查 NVIDIA 驱动 ​

在终端中运行：

bash
nvidia-smi

命令应显示 GPU 名称和驱动版本。ComfyCarry 镜像使用 CUDA 13.0，Linux 主机驱动版本需要达到 580.65.06 或更高。主机无需另外安装 CUDA Toolkit：运行所需的 CUDA 组件已经包含在镜像中；Docker 仍需安装 NVIDIA Container Toolkit，才能把 GPU 提供给容器。

驱动安装方法见 NVIDIA Ubuntu 驱动安装说明，版本要求见 CUDA 13.0 Release Notes。

安装 Docker Engine ​

这台电脑如果以前通过 Ubuntu 软件源安装过 docker.io、containerd 或其他 Docker 组件，先按 Docker 官方说明处理可能冲突的软件包，再添加下面的官方软件源。全新系统可以直接继续。

添加 Docker 官方软件源：

bash
sudo apt update
sudo apt install -y ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg \
  -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

sudo tee /etc/apt/sources.list.d/docker.sources > /dev/null <<EOF
Types: deb
URIs: https://download.docker.com/linux/ubuntu
Suites: $(. /etc/os-release && echo "${UBUNTU_CODENAME:-$VERSION_CODENAME}")
Components: stable
Architectures: $(dpkg --print-architecture)
Signed-By: /etc/apt/keyrings/docker.asc
EOF

安装并启动 Docker：

bash
sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io \
  docker-buildx-plugin docker-compose-plugin
sudo systemctl enable --now docker
sudo docker run --rm hello-world

最后一条命令显示 Docker 的欢迎信息，说明 Docker Engine 已经可以正常创建容器。安装步骤更新时，可以对照 Docker Engine Ubuntu 安装说明。

安装 NVIDIA Container Toolkit ​

NVIDIA Container Toolkit 让 Docker 容器能够使用主机上的 GPU。添加 NVIDIA 软件源并安装：

bash
sudo apt-get update
sudo apt-get install -y --no-install-recommends ca-certificates curl gnupg2

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \
  | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
  | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
  | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

把 NVIDIA GPU 支持加入 Docker，并重新启动 Docker：

bash
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

完整安装说明见 NVIDIA Container Toolkit。

验证 Docker 的 GPU 支持 ​

bash
sudo docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi

命令会临时启动一个 Ubuntu 容器。输出中应出现与主机一致的 GPU 名称；看到 NVIDIA-SMI、驱动版本和显卡信息后，Docker 的 GPU 环境已经准备完成。

启动 ComfyCarry ​

bash
sudo docker run -d \
  --name comfycarry \
  --gpus all \
  --restart unless-stopped \
  -p 5000:5000 \
  -p 8188:8188 \
  -p 8888:8888 \
  -p 2222:22 \
  -v comfycarry-workspace:/workspace \
  erocraft/comfycarry:latest
命令内容作用什么时候调整
docker run -d创建容器，并让它在后台持续运行排查启动问题时可以暂时省略 -d，让启动日志直接显示在当前终端
--name comfycarry把容器命名为 comfycarry，方便以后启动、停止和查看同一台电脑运行多个实例时，为每个实例使用不同名称
--gpus all把主机上的全部 NVIDIA GPU 提供给 ComfyCarry只使用第 1 张时，改为 --gpus '"device=0"'；使用第 1、2 张时改为 --gpus '"device=0,1"'。显卡从 0 开始编号，可用 nvidia-smi 查看顺序
--restart unless-stopped电脑重启或 Docker 服务恢复后自动启动 ComfyCarry；手动停止的容器保持停止希望每次都由自己启动时，移除此项
-p 5000:5000通过主机的 5000 端口打开 ComfyCarry5000 已被占用时，可改为 -p 15000:5000，访问地址随之改成 http://localhost:15000
-p 8188:8188通过主机的 8188 端口打开 ComfyUI端口被占用时只修改左侧，例如 -p 18188:8188；需要使用 localhost 或局域网地址打开 ComfyUI 时保留
-p 8888:8888通过主机的 8888 端口打开 JupyterLab准备通过 localhost 或局域网地址使用 JupyterLab 时保留；主机端口可按相同方式更换
-p 2222:22通过主机的 2222 端口连接容器 SSHSSH 客户端连接时使用左侧端口；平台已经提供 SSH 时，以平台分配的端口为准
-v comfycarry-workspace:/workspace使用名为 comfycarry-workspace 的 Docker Volume 保存模型和生成文件想把文件放在指定目录时，将左侧改成主机绝对路径，例如 /data/comfycarry:/workspace
erocraft/comfycarry:latest使用当前发布的 ComfyCarry 镜像平台或文档明确要求固定版本时，再换成对应标签

容器启动后，可以查看首次启动进度：

bash
sudo docker logs -f comfycarry

日志开始持续输出后，按 Ctrl+C 返回终端；容器会继续在后台运行。在浏览器中打开 http://localhost:5000，页面出现 ComfyCarry 部署向导后，即可开始第一次配置。

在 Windows WSL2 运行 ​

Windows 需要先准备 WSL2 和能够向 WSL 提供 GPU 的 NVIDIA Windows 驱动，然后选择 Docker Desktop，或在 Ubuntu 中安装 Docker Engine。

安装 Ubuntu WSL2 ​

以管理员身份打开 PowerShell：

powershell
wsl --install -d Ubuntu

按提示重启 Windows。第一次打开 Ubuntu 时，设置 Linux 用户名和密码；随后回到 PowerShell 更新 WSL，并确认 Ubuntu 使用 WSL2：

powershell
wsl --update
wsl --list --verbose

列表中 Ubuntu 的 VERSION 应显示为 2。如果显示为 1，使用列表中的发行版名称执行转换，例如：

powershell
wsl --set-version Ubuntu 2

在 Windows 中安装支持 WSL2 的 NVIDIA Windows 驱动。当前镜像使用 CUDA 13.0，选择 R580 或更新分支的驱动。打开 Ubuntu 并运行：

bash
nvidia-smi

看到 GPU 名称和驱动信息后，Windows 已经把显卡提供给 WSL2。WSL 中使用 Windows 提供的 GPU 驱动。

选择 Docker 运行方式 ​

Docker Desktop 和 Ubuntu 内的 Docker Engine 是两种独立的运行方式，选择其中一种即可。已经启用 Docker Desktop 的 WSL Integration 时，使用第一种；希望由 Ubuntu 自己管理 Docker 服务时，使用第二种。

Docker Desktop 与 Docker Engine

  • 已经在 Windows 中使用 Docker，希望通过图形界面管理，选择 Docker Desktop。
  • 希望 Docker 完全运行在 WSL Ubuntu 中，并由 Ubuntu 管理服务，选择 Ubuntu 内的 Docker Engine。

使用 Docker Desktop ​

  1. 安装 Docker Desktop。
  2. 在 Docker Desktop 设置中启用 Use the WSL 2 based engine。
  3. 打开 Resources → WSL Integration，启用 Ubuntu。
  4. 回到 Ubuntu，运行 docker version。输出中同时出现 Client 和 Server 后，再运行：
bash
docker run --rm --gpus all ubuntu nvidia-smi

看到 GPU 信息后，使用启动 ComfyCarry中的同一条命令，并把开头的 sudo docker 写成 docker。Docker Desktop 的 GPU 使用要求见官方说明。

在 Ubuntu 中使用 Docker Engine ​

下面的 Linux 安装步骤使用 systemctl 管理 Docker。运行 systemctl 时如果提示当前 WSL 没有使用 systemd，把 sudo systemctl enable --now docker 换成 sudo service docker start，把后面的 sudo systemctl restart docker 换成 sudo service docker restart。

进入 Ubuntu，依次完成：

  1. 安装 Docker Engine。
  2. 安装 NVIDIA Container Toolkit。
  3. 验证 Docker 的 GPU 支持。
  4. 启动 ComfyCarry。

完成后，在 Windows 浏览器中打开 http://localhost:5000。

在 GPU 租赁平台运行 ​

创建实例或容器时填写：

平台设置填写内容用途
容器镜像erocraft/comfycarry:latest使用 ComfyCarry 预构建环境
平台架构linux/amd64对应当前镜像
GPURTX 30、A100 或更新架构满足当前 GPU 要求
持久化存储挂载到 /workspace保存模型、配置、工作流和生成结果
ComfyCarry 端口映射容器的 5000打开部署向导和日常页面
ComfyUI 端口需要时映射容器的 8188直接打开 ComfyUI 工作流页面
JupyterLab / SSH按需映射 8888 和 22使用对应的管理功能
启动命令保持镜像默认值让镜像自动准备并启动 ComfyCarry

实例开始运行后，按照平台提供的端口访问按钮或公网地址打开 5000。如果平台为主机端口分配了不同数字，以平台显示的访问地址为准。

需要直接打开 ComfyUI 时，为容器的 8188 增加映射，再打开平台为该端口生成的地址。ComfyCarry 的 5000 页面与 ComfyUI 的 8188 页面使用两个独立入口。

启动向导前的检查 ​

打开部署向导前，确认以下内容：

  • 当前 GPU 属于支持的系列，Linux 或 Docker GPU 测试能够显示显卡信息。
  • /workspace 已经挂载到准备长期使用的存储位置。
  • 浏览器可以打开 ComfyCarry 的 5000 端口。
  • 需要直接使用 ComfyUI 时，已经映射 8188。
  • 已经准备一个 ComfyCarry 访问密码；云存储、CivitAI 和 LLM 等资料按使用需要准备。

页面显示 环境检测通过 后，继续完成首次部署向导。