【本地玩AI】在macOS+AppleSilicon安装ComfyUI

【本地玩AI】在macOS+AppleSilicon安装ComfyUI
原文:https://atlassc.net/2025/01/15/installing-comfyui-on-macos-with-apple-silicon

一、前置条件:

1、芯片:确保芯片是Apple Silicon,比如 M1,M2,M3,M4;

2、macOS版本:确保mac系统版本 12.3+;

3、Xcode Command Line Tools:如果没有安装运行如下命令行:

$ xcode-select --install

    4、Python:确保版本 3.7+,推荐3.10,后续使用conda来安装对应版本;

    接下来是安装ComfyUI,可以通过手动安装,也可以直接安装 Comfy UI Desktop(桌面版)。

    二、手动安装

    2.1、安装PyTorch

    ComfyUI使用PyTorch来优化性能

    2.1.1 安装 Ananconda
    $ curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh sh Miniconda3-latest-MacOSX-arm64.sh
    2.1.2 创建conda环境
    # 创建conda环境:comfyui(环境名称),使用python 3.12.11 $ conda create -n comfyui python=3.12.11 # 激活conda环境:comfyui $ conda activate comfyui
    这里注意一定激活comfyiu环境,这样后续的操作才会约束在此环境中。
    2.1.3 安装 PyTorch
    $ conda install pytorch torchvision torchaudio -c pytorch-nightly

    2.2、安装 ComfyUI

    拉取代码:

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

    安装依赖:

    $ cd ComfyUI $ pip install -r requirements.txt

    如果安装过程报错,比如以下报错:

    ERROR: Could not find a version that satisfies the requirement comfy-kitchen>=0.2.5 (from versions: none)
    ERROR: No matching distribution found for comfy-kitchen>=0.2.5

    表示源中并没有此依赖,确认下:

    确实没有,原因是使用了清华的源,那么先从官方源安装此组件,然后再安装:

    $ pip install -i https://pypi.org/simple --no-cache-dir comfy-kitchen

    2.3、运行 ComfyUI

    通过python来运行:

    $ python main.py

    ComfyUI server会被启动:

    此时可以通过浏览器访问 http://127.0.0.1:8188 来访问:

    恭喜你,安装成功!

    三、安装 ComfyUI Desktop桌面版

    桌面版会自动配置 Python环境和依赖,并支持导入已有的ComfyUI设置、模型、工作流和文件。

    ComfyUI 桌面版(macOS)目前仅支持 Apple Silicon。

    3.1、下载

    下载地址:https://download.comfy.org/mac/dmg/arm64

    下载后安装:

    3.2、GPU配置

    安装后运行 ComfyUI:

    点击开始,选择安装方式:

    注意这个界面,有三个选项:

    • Apple Metal:推荐,只有这个选项才会自动安装 PyTorch官方给Apple Silicon准备的 MPS后端,也就是调用GPU的加速能力;
    • CPU Mode:只使用CPU的能力,放弃;
    • Manual Configuration:手动安装配置;

    3.3、配置安装路径

    这是用户的配置信息(模型等)存放的路径。

    这里的路径是ComfyUI的数据存放路径,包含模型文件、用户配置、输入输出等,

    这里三个镜像源的设置,注意后面如果是绿色的钩,表示镜像源正常,否则连接有问题,更换为正常的源即可:

    Python Mirror:

    https://python-standalone.org/mirror/astral-sh/python-build-standalone

    Pypi Mirror:

    Torch Mirror:

    https://download.pytorch.org/whl/nightly/cpu

    3.4、App设置

    3.5、等待配置完成

    这个过程会耗费一些时间,安装完成后进入主界面:

    到此,ComfyUI Desktop桌面版安装完成。

    3.6、桌面版的一些问题

    3.6.1 启动时报错:

    Failed to initialize database. Please ensure you have installed the latest requirements. If the error persists, please report this as in future the database will be required: (sqlite3.OperationalError) unable to open database file
    (Background on this error at: https://sqlalche.me/e/20/e3q8)

    这个目前无解(版本0.7.2),提示不影响运行,如果不想看到这个提示,可以在 /Application/ComfyUI/Contents/Resources/ComfyUI下新建 user 目录,然后重新启动,会在新建的 user 目录下生成一个空的 comfyui.db。

    3.6.2 资产不显示以前生成的图

    应该也是跟 #3.6.1 有关系,现在官方并没有解决。可以找一个手动安装版本的看一下 comfyui.db 中大概包含的数据:

    四、插件安装配置

    4.1、ComfyUI Manager

    新版 0.7.0已经内置此插件,旧版本可以按照下面方式安装。

    ComfyUI manager 是一个用来加强ComfyUI可用性的扩展,提供了对ComfyUI各种自定义节点的安装、删除、禁用、启用等管理功能。同时还提供了中心功能和便利功能,用来访问ComfyUI中各种信息。

    转到ComfyUI的用户配置路径(参考 3.3)下的 custom_nodes:

    $ cd custom_nodes/

    这里的 ComfyUIDesktop是在 #3.3 中配置的安装路径。

    使用git拉取ComfyUI Manager:

    $ git clone https://github.com/ltdrdata/ComfyUI-Manager.git

    安装完后重启ComfyUI。

    4.2、汉化插件安装

    ComfyUI Manager安装好之后,就可以通过ComfyUI Manager来直接安装汉化插件,不然需要手动下载汉化包到 custom_nodes目录下。

    打开ComfyUI Manager,搜索框中输入translation, 安装第一个即可(后续插件同样步骤进行安装)。

    安装好之后要重启ComfyUI,然后点击设置,在翻译语言栏选择中文即可。

    4.3、ComfyUI_Custom_Nodes_AlekPet

    提供了提示词的翻译功能。有了这个插件,再也不用使用第三方翻译软件翻译提示词后,再粘贴到CLIP文本编码器中了。

    同时提供的PoseNode、PainterNode两个节点可以编辑和绘画姿态,实现所画即所得。

    4.4、ComfyUI-Custom-Scripts

    给模型分类,更加便捷的调用模型
    针对输入自动补齐,信息的索引
    更丰富的功能设定页面

    4.5、ComfyUI-Advanced-ControlNet

    ControlNet插件,使用线稿、姿态、深度、IP等控制数据和响应的ControlNet 模型控制图片的生成,Stable Diffusion 必备。

    4.6、ComfyUI_IPAdapter_plus

    用于图像到图像调节的非常强大的模型。图像的主题甚至风格都可以迁移到所生成的图像中。
    地址:https://github.com/cubiq/ComfyUI_IPAdapter_plus

    4.7、comfyui_controlnet_aux

    ControlNet的预处理器,用于从参考图片中提取线稿、姿态、深度、IP等控制数据。

    插件 comfyui_controlnet_aux 安装有异常:

    Full error log from comfyui_controlnet_aux: 
    Traceback (most recent call last):
        ... ...
        import matplotlib
    ModuleNotFoundError: No module named 'matplotlib'

    解决方案是手动安装matplotlib。

    这里注意要在venv环境中执行。

    1、如果是手动安装,先 $ conda activate comfyui 激活环境,然后执行上面安装:

    2、如果是安装的桌面版,在桌面版的命令行中执行:

    五、相关配置

    名称配置说明
    配置目录#3.3配置,如:/Users/yong/dev/ai/ComfyUI.Data存放模型文件,存放用户配置
    缓存工作/Users/yong/Library/Application Support/ComfyUI缓存配置
    日志/Users/yong/Library/Logs/ComfyUI运行日志

    Read more

    六大核心芯片:MCU/SOC/DSP/FPGA/NPU/GPU 的区别与应用解析

    在电子设备与人工智能飞速发展的当下,MCU、SOC、DSP、FPGA、NPU、GPU 这六大芯片成为技术落地的核心载体。它们虽同属处理器范畴,但架构设计、功能定位与应用场景差异显著,明确其区别是选择适配技术方案的关键。 一、核心定义与架构差异 1. MCU(微控制器) MCU 全称微控制器,本质是 “浓缩版计算机”,将 CPU、内存(RAM/ROM)、外设(串口、GPIO 等)集成在单芯片上,架构以精简指令集(RISC)为主,追求低功耗与高集成度。其核心特点是 “小而全”,无需外部扩展即可实现基础控制功能,典型代表如 STM32 系列。 2. SOC(系统级芯片) SOC 即系统级芯片,是 “集成度天花板”,在单芯片内整合 CPU、

    AI助力FPGA开发:Vivado下载与智能编程实践

    快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 点击'项目生成'按钮,等待项目生成完整后预览效果 输入框内输入如下内容: 创建一个AI辅助FPGA开发的工具,支持自动生成Vivado项目配置代码,包括IP核集成、约束文件生成和仿真测试脚本。工具应能根据用户输入的硬件描述(如'需要实现一个UART通信模块')自动推荐最佳实践代码,并支持与Vivado无缝集成。提供错误检测和优化建议功能,帮助开发者快速定位问题。 作为一名FPGA开发者,我经常需要花费大量时间在Vivado的环境配置和代码调试上。最近我发现了一些AI辅助工具,可以显著提升开发效率,今天就和大家分享一下我的实践经验。 Vivado下载与基础配置 1. 首先需要从Xilinx官网下载Vivado设计套件。建议选择最新版本,因为AI工具通常对新版本的支持更好。下载时要特别注意选择适合自己操作系统的版本,Windows和Linux版本在功能上会有一些差异。 2. 安装过程中,建议选择"Vivado HL WebPACK&

    干货分享】FPGA直方图均衡化及图像处理实现详解:MATLAB、verilog联合仿真,板卡实...

    干货分享】FPGA直方图均衡化及图像处理实现详解:MATLAB、verilog联合仿真,板卡实...

    FPGA直方图均衡化/直方图拉伸/FPGA图像处理 工程和算法包含以下内容: 1,MATLAB中实现图像处理。 2,verilog代码利用MATLAB联合modelsim仿真实现的图像处理。 3,小梅哥AC620和正点原子新起点/开拓者的FPGA板卡上实现的图像处理。 4,效果展示。 有理论支撑,有仿真波形,有详细代码 概述 本文基于提供的工程代码与参考资料,深入剖析一个典型的 FPGA 图像处理系统架构。该系统以 SDRAM 作为帧缓存核心,配合 UART 通信、TFT/VGA 显示接口,并集成了多种图像处理算法(如 RGB 转灰度、直方图均衡化、JPEG 压缩等)。系统采用 Altera(现 Intel FPGA)Cyclone 系列器件实现,具备良好的模块化设计和可扩展性。 系统整体架构 整个系统围绕 SDRAM 控制器顶层模块 sdram_

    如何轻松分析大疆无人机信号?DJI DroneID 信号解析工具全指南

    如何轻松分析大疆无人机信号?DJI DroneID 信号解析工具全指南 🛸 【免费下载链接】dji_droneid 项目地址: https://gitcode.com/gh_mirrors/dj/dji_droneid DJI DroneID 信号分析项目(dji_droneid)是一个开源工具集,专为无人机爱好者和研究人员设计,通过软件定义无线电(SDR)技术捕获、解码和分析大疆无人机发射的DroneID信号。该项目提供完整的信号处理流程,从原始IQ数据捕获到最终数据帧解析,支持Octave和MATLAB环境运行,帮助用户深入理解无人机通信机制。 📌 项目核心功能与技术架构 🔍 信号捕获与处理全流程 项目实现了从射频信号到数据帧的完整解析链路,主要包括: * 原始信号采集:支持32位浮点IQ数据文件输入(需配合SDR设备录制) * ZC序列检测:通过归一化互相关算法定位信号中的Zadoff-Chu序列 * 频率校正:自动检测并补偿信号中的频率偏移 * OFDM符号提取:精准提取9个OFDM符号(含2个ZC序列符号) * 相位校正与均衡:解决无线信道引入的