@[toc]

## 一、SD3介绍

Stable Diffusion 3是Stability AI发布的尖端开源模型，专为将文本转化为图像而设计。它因在图像质量、文本生成、理解复杂提示和资源利用效率上的显著提升而备受关注。

SD3的Medium版本拥有20亿参数，设计紧凑，适合在普通PC和笔记本上运行，使得个人用户可以轻松在家中部署和使用。在图像生成方面，SD3表现卓越，其生成的图像细节精致、颜色鲜明、光影自然，可无缝适应多种艺术风格，如动漫和厚涂等，仅需输入提示词即可实现。

SD3能够准确理解复杂的自然语言提示，包括空间布局、构图细节、动作姿势和风格描述，展现出比Midjourney更强大的文本解析能力，为用户提供更为直观的创作体验。

## 二、ComfyUI介绍

ComfyUI是一款采用节点工作流的稳定扩散Web界面，专为运行SD3模型而设计。用户可以方便地从GitHub下载并安装ComfyUI。其界面友好，极大简化了SD3模型的操作，使整个过程变得更加直观易用。

ComfyUI不仅支持图像的批量生成，还提供了编辑功能，帮助用户轻松进行高效的批处理工作。这一特性使得创作不再繁琐，每个用户都能轻松驾驭。无论是新手还是专业人士，ComfyUI都能为您提供顺畅的体验，帮助您快速实现创意构想。借助ComfyUI的强大功能，您可以更高效地管理和生成图像，享受更高效的创作过程。

## 三、部署流程

访问[控制台-GPU云实例](https://www.damodel.com/console/instance)页面，选择新建实例：通过点击相应选项即可开始配置，轻松上手，快速部署AI项目所需的计算资源。


进入创建页面后，首先在实例设置中选择合适的付款方式。若需求时间较短，可以选择按需付费或按日套餐；若为长期使用，则包月套餐可能更为经济。接着，确定所需的GPU数量及型号。

对于新用户，建议初次配置时选择按次计费，搭配一个NVIDIA-GeForce-RTX-4090 GPU，该配置提供60GB内存和24GB显存（例如，LLaMA3.1 8B版本至少需要16GB显存）。然后，设置数据硬盘容量。默认情况下，每个实例附带50GB硬盘；若使用FLUX.1等大型模型，建议将硬盘扩容至150GB以确保流畅运行。


接下来，需要的镜像进行安装。平台提供了一系列基础镜像，可以快速配置好环境。每个镜像都预装了相关的基础工具和框架，可以通过勾选选项来筛选所需的框架。假如需要使用PyTorch，那么可以选择PyTorch 2.4.0版本。


为了确保安全地进行登录，请首先生成一对密钥。可以为该密钥对设置一个自定义名称，然后选择自动生成选项。生成完成后，请务必将私钥下载并安全地存储在的计算机上，以便以后可以使用该密钥进行本地连接。


生成密钥对后，选中刚生成的密钥对并点击立即创建。经过短暂等待，实例便会顺利启动，使我能够迅速进入工作状态并开展AI工程项目。

## 四、登录实例

在实例完成创建后，可在GPU云实例面板中查看详细信息。


平台支持通过JupyterLab在线访问实例，您可以直接登录进行操作。这个入口为我提供了便捷的开发环境，省去了复杂的连接步骤。


登录成功后，您会进入 `/root/workspace` 目录。服务器路径各有其功能：`/` 是会在系统重置时清空的系统盘；`/root/workspace` 是可扩展的数据盘，重置时数据保留；`/root/shared-storage` 是跨实例的共享存储。

SSH是一种连接方式，支持各种终端软件，登录需四项信息：用户名、主机域名或IP、端口号及密钥。其中主机和端口可在实例页面获取，这些信息确保您可以安全高效地远程访问服务器。


复制结果类似如下：

```bash
ssh -p 31729 root@gpu-s277r6fyqd.ssh.damodel.com
```

在这里，`gpu-s277r6fyqd.ssh.damodel.com`代表服务器的主机地址，而`31729`是它的端口号。有关SSH登录及密钥对的详细教程，请查看[这篇指南](https://doc.damodel.com/gpu/ssh.html)。

## 五、部署ComfyUI

打开终端，输入相应命令以获取ComfyUI的代码库。

```bash
# github官方代码仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
# gitCode-github加速计划代码仓库
git clone https://gitcode.com/gh_mirrors/co/ComfyUI.git
```

完成克隆操作后，会在文件夹中看到以下结构。


在终端中导航到`/root/workspace/ComfyUI`文件夹后，运行指定命令来安装所需依赖，这一步是确保ComfyUI环境顺利配置的关键。

```bash
cd ComfyUI/
pip install -r requirements.txt --ignore-installed
```

通过运行这条命令，我可以立即激活ComfyUI。

```bash
python main.py --listen
```


当看到服务正常运行的提示时，我就知道ComfyUI已经顺利完成部署。

## 六、部署SD3

使用HF镜像下载SD3模型让我感到快速且便捷。

```python
pip install -U huggingface_hub

#设置环境变量
export HF_ENDPOINT=https://hf-mirror.com
#下载模型
huggingface-cli download --token hf_BbwgWIQLalWXUdHgvDGPDZpnLxo --resume-download stabilityai/stable-diffusion-3-medium --local-dir .
```

## 七、图像生成


## 八、使用体验

作为一名AI工程师，使用SD3和ComfyUI的体验无疑是令人耳目一新的。SD3的优势在于其对细节的精准控制和对复杂元素的自然融合，这让我能够通过简单的提示词实现对图像风格和细节的精确把握。

ComfyUI作为界面工具，以其直观和高效的操作流程深得我心。从启动界面、加载模型到输入提示词、调整参数，再到生成图像，这一切都是如此流畅自如。尤其是它的批处理功能，大大提高了我的工作效率，使得我能够在短时间内生成大量高质量图像。

在实际的部署过程中，我可以切身体会到SD3和ComfyUI所带来的便捷性。安装完ComfyUI后，我只需从Hugging Face下载SD3模型，并将其置于ComfyUI的models文件夹内。随后，通过ComfyUI的启动器加载模型，即可轻松开始图像生成。而对于参数的调整，无论是采样器、步数还是CFG，ComfyUI都提供了友好的界面来进行设置，确保输出的图像在质量和风格上都达到理想的状态。

SD3和ComfyUI的结合为我提供了一个灵活且高效的工作平台，让我可以专注于创意本身，而无需为技术细节耗费过多精力。这种工具的应用不仅简化了我的日常工作流程，也极大地激发了我的创作灵感，赋予我无限的想象空间。