cog comfyui
1.0.0
Führen Sie bequeme Workflows auf Replikat aus:
Wir empfehlen:
Wir haben versucht, viele der beliebtesten Modellgewichte und benutzerdefinierten Knoten aufzunehmen:
Erhöhen Sie ein Problem, um mehr benutzerdefinierte Knoten oder Modelle anzufordern, oder verwenden Sie die Registerkarte train auf Replikat, um Ihre eigenen Gewichte zu verwenden (siehe unten).
Sie benötigen die API -Version Ihres bequemen Workflows. Dies unterscheidet sich von der häufig gemeinsam genutzten JSON -Version. Sie enthält keine visuellen Informationen über Knoten usw.
Um Ihre API JSON zu bekommen:
Wenn Ihr Modell Eingänge wie Bilder für IMG2IMG oder ControlNET nimmt, haben Sie 3 Optionen:
Ändern Sie Ihre API -JSON -Datei, um auf eine URL zu zeigen:
- "image": "/your-path-to/image.jpg",
+ "image": "https://example.com/image.jpg", Sie können auch eine einzelne Eingabedatei hochladen, wenn Sie das Modell ausführen.
Diese Datei wird als input.[extension] - z. B. input.jpg . Es wird in das Comfyui input platziert, sodass Sie in Ihrem Workflow verweisen können mit:
- "image": "/your-path-to/image.jpg",
+ "image": "image.jpg", Diese werden heruntergeladen und in das input extrahiert. Sie können sie dann in Ihrem Workflow basierend auf ihren relativen Pfaden verweisen.
Also eine Zip -Datei mit:
- my_img.png
- references/my_reference_01.jpg
- references/my_reference_02.jpg
Könnte im Workflow verwendet werden:
"image": "my_img.png",
...
"directory": "references",
Wenn alle Ihre Eingaben aktualisiert werden, können Sie jetzt Ihren Workflow ausführen.
Einige Workflows speichern temporäre Dateien, z. B. vorverarbeitete Steuerungsnetzbilder. Sie können diese auch zurückgeben, indem Sie die Option return_temp_files aktivieren.
Das any-comfyui-workflow -Modell auf Replikat ist ein gemeinsames öffentliches Modell. Dies bedeutet, dass viele Benutzer Workflows an sie senden, die sich möglicherweise von Ihrem unterscheiden. Der Effekt wird darin bestehen, dass der interne bequeme Server möglicherweise die Modelle in und aus dem Speicher eintauschen muss. Dies kann Ihre Vorhersagezeit verlangsamen.
Comfyui und seine benutzerdefinierten Knoten werden ebenfalls ständig aktualisiert. Während dies bedeutet, dass die neuesten Versionen normalerweise ausgeführt werden, kann Ihr Workflow möglicherweise nicht mehr funktioniert.
Wenn Sie Ihre eigene Instanz haben, werden Sie:
Um die beste Leistung aus dem Modell zu erzielen, sollten Sie eine dedizierte Instanz ausführen. Sie haben 3 Auswahlmöglichkeiten:
Gehen Sie zu:
https://replicate.com/deployments/create
Wählen Sie fofr/any-comfyui-workflow als Modell, das Sie bereitstellen möchten. Wählen Sie Ihre Hardware sowie Ihre Instanzen von Min und Max aus, und Sie können loslegen. Sie werden an der Version festgehalten, aus der Sie bereitstellen. Wenn any-comfyui-workflow aktualisiert wird, können Sie Ihren Workflow damit testen und dann mit der neuen Version erneut bereitstellen.
Weitere Informationen zu Bereitstellungen finden Sie in den Replikat -Dokumenten:
https://replicate.com/docs/deployments
Sie können dieses Repository als Vorlage verwenden, um Ihr eigenes Modell zu erstellen. Dies gibt Ihnen die vollständige Kontrolle über die komfortable Version, benutzerdefinierte Knoten und die API, mit der Sie das Modell ausführen werden.
Sie müssen mit Python vertraut sein, und Sie benötigen auch eine GPU, um Ihr Modell mit COG zu drücken. Replicate hat einen guten Anleitung für Erste Schritte: https://replicate.com/docs/guides/push-a-model
Das kolors auf Replikat ist ein gutes Beispiel:
Es wurde aus diesem Repo erstellt und dann mit COG bereitgestellt. Sie können durch die Commits dieses Repo treten, um zu sehen, was sich verändert hat und wie, aber allgemein:
scripts/prepare_template.py wird zuerst ausgeführt, um Beispiele und unnötige Boilerplate zu entfernencustom_nodes.json wird so geändert cog.yaml dass benutzerdefinierte Knoten, die Sie benötigen./scripts/install_custom_nodes.py um die benutzerdefinierten Knoten (oder ./scripts/reset.py zu installieren, um Comfyui und alle benutzerdefinierten Knoten neu zu installieren)workflow_api.json hinzugefügtpredict.py wird mit einer neuen API aktualisiert und die Methode update_workflow wird so geändert, dass sie die richtigen Teile des JSON verändertcog predict -i option_name=option_value -i another_option_name=another_option_value testet getestetcog push r8.im/your-username/your-model-name zu replizierenBesuchen Sie die Registerkarte Zug auf Replikat:
https://replikat.com/ffr/any-comfyui-workflow/train
Hier können Sie bei Umarmungen und Civitai öffentliche oder private URLs für Gewichte geben. Wenn URLs privat sind oder eine Authentifizierung benötigen, sollten Sie einen API -Schlüssel oder einen Zugriffstoken enthalten.
Überprüfen Sie die Trainingsprotokolle, um zu sehen, welche Dateinamen in Ihrem Workflow JSON verwendet werden sollen. Zum Beispiel:
Downloading from HuggingFace:
...
Size of the tar file: 217.88 MB
====================================
When using your new model, use these filenames in your JSON workflow:
araminta_k_midsommar_cartoon.safetensors
Nach dem Ausführen des Trainings haben Sie Ihr eigenes Comfyui -Modell mit Ihren individuellen Gewichten, die während des Modells geladen werden. Um zu verhindern, dass andere es benutzen, können Sie es privat machen. Private Modelle werden als öffentliche Modelle bei Replicate unterschiedlich in Rechnung gestellt.
Klonen Sie dieses Repository:
git clone --recurse-submodules https://github.com/fofr/cog-comfyui.gitFühren Sie das folgende Skript aus, um alle benutzerdefinierten Knoten zu installieren:
./scripts/install_custom_nodes.pySie können die Liste der Knoten in Custom_nodes.json anzeigen
sudo cog run -p 8188 bashAusführen dieses Befehls startet den COG -Container und lassen Sie sich darauf zugreifen
cd ComfyUI/
python main.py --listen 0.0.0.0http://<gpu-machines-ip>:8188 den Server zu. Wenn Sie http://<gpu-machines-ip>:8188 sind, sehen Sie das klassische Comfyui-Webformular!
