cog comfyui
1.0.0
在复制上运行comfyui工作流程：
我们建议：
我们试图包括许多最受欢迎的模型权重和自定义节点：
提出一个问题以请求更多的自定义节点或模型，或在Replicate上使用train选项卡以使用自己的权重（请参见下文）。
您需要Comfyui工作流的API版本。这与通常共享的JSON版本不同，它不包含有关节点等的视觉信息。
获取您的API JSON：
如果您的模型采用输入，例如IMG2IMG或Controlnet的图像，则有3个选项：
修改您的API JSON文件以指向URL：
- "image": "/your-path-to/image.jpg",
+ "image": "https://example.com/image.jpg", 运行模型时，您还可以上传单个输入文件。
此文件将被保存为input.[extension] - 例如input.jpg 。它将放置在comfyui input目录中，因此您可以在工作流中引用以下方式：
- "image": "/your-path-to/image.jpg",
+ "image": "image.jpg", 这些将下载并提取到input目录。然后，您可以根据其相对路径在工作流中参考它们。
因此，一个包含：
- my_img.png
- references/my_reference_01.jpg
- references/my_reference_02.jpg
可以在工作流中使用：
"image": "my_img.png",
...
"directory": "references",
随着所有输入的更新，您现在可以运行工作流程。
一些工作流程保存临时文件，例如预处理的ControlNet图像。您也可以通过启用return_temp_files选项来返回这些。
复制的any-comfyui-workflow模型是共享的公共模型。这意味着许多用户将向其发送工作流，这可能与您的工作流完全不同。这样做的效果是，内部comfyui服务器可能需要在内存中和内存中交换模型，这可能会降低您的预测时间。
comfyui及其自定义节点也在不断更新。虽然这意味着最新版本通常正在运行，但如果对自定义节点进行破坏更改，则您的工作流程可能会停止工作。
如果您有自己的专用实例，您将：
为了从模型中获得最佳性能，您应该运行专用实例。您有3个选择：
转到：
https://replate.com/deployments/create
选择fofr/any-comfyui-workflow作为您要部署的模型。选择您的硬件，最小值和最大实例，您可以开始使用。您将被固定在您部署的版本中。当更新any-comfyui-workflow时，您可以使用它测试工作流程，然后使用新版本再次部署。
您可以在重复文档中阅读有关部署的更多信息：
https://replate.com/docs/deployments
您可以将此存储库用作模板来创建自己的模型。这使您可以完全控制comfyui版本，自定义节点以及您用于运行模型的API。
您需要熟悉Python，并且还需要GPU来使用COG推动模型。 Replicate有一个很好的入门指南：https：//replate.com/docs/guides/push-a-model
重复的kolors模型是一个很好的例子：
它是由此存储库创建的，然后使用COG部署。您可以逐步浏览该存储库的提交，以了解发生了什么变化以及方式，但广泛：
scripts/prepare_template.py首先运行，以删除示例和不必要的样板custom_nodes.json已修改以添加或删除所需的自定义节点，请确保还要从cog.yaml添加或删除其依赖项./scripts/install_custom_nodes.py安装自定义节点（或./scripts/reset.py重新安装comfyui和所有自定义节点）workflow_api.jsonpredict.py ，并且更改了update_workflow方法，以便修改JSON的正确部分cog predict -i option_name=option_value -i another_option_name=another_option_value在gpu上测试该模型cog push r8.im/your-username/your-model-name复制请访问复制的火车选项卡：
https://replate.com/fofr/any-comfyui-workflow/train
在这里，您可以将公共或私人URL授予Huggingface和civitai的权重。如果URL是私有的或需要身份验证，请确保包括API密钥或访问令牌。
检查培训日志，以查看在工作流JSON中要使用的文件名。例如：
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
经过培训后，您将拥有自己的Comfyui型号，并在模型设置过程中加载了定制的权重。为了防止其他人使用它，您可以将其私有化。私人模型对复制的公共模型的收费不同。
克隆这个存储库：
git clone --recurse-submodules https://github.com/fofr/cog-comfyui.git运行以下脚本以安装所有自定义节点：
./scripts/install_custom_nodes.py您可以在custom_nodes.json中查看节点列表
sudo cog run -p 8188 bash运行此命令启动COG容器，让您访问它
cd ComfyUI/
python main.py --listen 0.0.0.0http://<gpu-machines-ip>:8188当您获得http://<gpu-machines-ip>:8188时，您会看到经典的comfyui网络表单！
