开启AI绘画 “工作流时代” 的神奇应用----Comfy UI | 使用CNB平台搭建ComfyUI

开启AI绘画 “工作流时代” 的神奇应用----Comfy UI | 使用CNB平台搭建ComfyUI

文章目录

概要

ComfyUI 是一款基于节点流程的可视化 AI 生成工具,核心围绕 Stable Diffusion 等主流生成式 AI 算法构建,通过图形化节点拆解生成全流程,实现从文本 / 图像输入到图像 / 视频输出的 “精准可控创作”。

腾讯云 CNB(Cloud Native Build,官网:cnb.cool)是基于 Docker 生态的云原生开发协作平台,核心定位是通过容器化技术与资源池化能力,为开发者提供 “一键就绪” 的远程开发环境,尤其聚焦开源项目协作与 AI 工具落地,无需本地配置复杂硬件与环境即可开展开发、测试与创作。链接:cnb

操作流程

接下来展示使用腾讯云cnb搭建comfyui的流程:

(1)到CNB网站 fork 项目
链接:cnb
可以直接使用已经搭建好的comfyui 仓库,避免配置环境的时间,我是用的模板项目如下:comfyui_base

进入项目界面后需要fork项目到自己的账户,第一次登录时没有组织,需要创建一个组织(内容随便写),仓库名可以稍微做些修改,比如后面加个123.--------fork整个仓库。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

(2)启动项目
到自己的仓库启动项目,点击comfyui起飞。

在这里插入图片描述

在终端输入 y 可以启动项目

在这里插入图片描述

启动项目后点击弹出的链接会显示下面的界面:

在这里插入图片描述

下载模型:
模型地址:模型地址

在这里插入图片描述


复制模型的下载链接:

在这里插入图片描述

执行下载命令:
需要将模型放到 /workspace/ComfyUI/models/checkpoints 路径下:
执行命令代码如下:

aria2c https://cnb.cool/ai-models/stable-diffusion-v1-5/stable-diffusion-v1-5/-/lfs/6ce0161689b3853acaa03779ec93eafe75a02f4ced659bee03f50797806fa2fa?name=v1-5-pruned-emaonly.safetensors 
在这里插入图片描述

重新启动应用,选择下载的模型,点击运行就可以出图了。

在这里插入图片描述


还可以安装一个节点,点击Manager,下载crystools节点,安装完之后点击restart,重启成功后在进入comfyui

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述


(3)同步到自己仓库
回到后台,将增加的内容同步到自己的仓库,无需构建镜像,使用命令如下:

cd /workspace find /workspace/ComfyUI/custom_nodes -mindepth 2-type d -name ".git"-exec rm -rf {}+ git add . git commit -m "同步更新" git push 
在这里插入图片描述


使用 kill 1 可以关闭项目页面

在这里插入图片描述

Read more

【论文阅读笔记】GlobeDiff:用扩散模型从局部观测生成全局状态,破解多智能体部分可观测难题

ICLR 2026 poster GlobeDiff: State Diffusion Process for Partial Observability in Multi-Agent Systemopenreview: https://openreview.net/forum?id=96g2BRsYZXarXiv: https://arxiv.org/abs/2602.15776 在多智能体强化学习(MARL)中,部分可观性(Partial Observability, PO) 是一个长期存在的难题。每个智能体只能看到局部信息,却需要基于此做出全局协调的决策。现有的方法(如信念状态估计或通信)往往难以准确还原全局状态,容易出现“模式坍塌”(Mode Collapse),即把多种可能的全局状态平均成一个模糊的状态,导致决策失误。 本文介绍了 GlobeDiff,一种基于条件扩散模型(Conditional Diffusion Model)

格拉姆角场(Gramian Angular Field, GAF)详解

格拉姆角场(Gramian Angular Field, GAF)详解

格拉姆角场(Gramian Angular Field, GAF)是一种于2015年被提出的时间序列可视化与特征编码技术。其核心思想是将一维时间序列转换为二维图像,并在此过程中保留原始序列的时间依赖关系与数值特征。目前,GAF已在故障诊断、生物电信号分析、射频信号识别等多个领域得到广泛应用。 GAF的实质是借助极坐标变换与格拉姆矩阵的结构,将一维序列中的“时间–数值”映射为图像中的像素关联信息。生成的图像矩阵的行列索引直接对应时间顺序,使其能够兼容主流图像识别模型(如CNN),从而挖掘出时间序列中的深层特征。 一、GAF 的核心设计逻辑 传统的一维时间序列包含两类基本信息:数值大小(如振幅)和时间顺序(如信号随时间的变化趋势)。折线图等常规方法虽能展示趋势,却难以显式表达不同时刻之间的数值关联。GAF 通过以下三步逻辑实现信息的结构化编码: 1. 数值归一化:将原始序列缩放至[-1, 1]区间,消除量纲与异常值影响,为极坐标变换提供基础; 2. 极坐标转换:将时间索引映射为半径,数值大小映射为角度,建立 时间-数值 在极坐标系统中的对应关系; 3. 格拉姆矩阵构建:

RTD1296PB与RK3568在NAS与智能家居中的实战性能较量

1. 从NAS到智能家居:为什么需要关注这两颗芯片? 如果你正在搭建家用NAS系统或者规划智能家居中枢设备,处理器选型绝对是绕不开的关键决策。RTD1296PB和RK3568作为市面上主流的中端ARM处理器,经常让开发者陷入选择困难。我在实际项目中用过这两款芯片,深刻体会到它们的差异不仅体现在参数表上,更直接影响着设备的实际体验。 RTD1296PB是瑞昱半导体面向家庭影音市场推出的老将,凭借出色的视频处理能力和成熟的OpenWRT支持,在早期NAS设备中占据重要地位。而瑞芯微的RK3568则是后来居上的多面手,22nm制程搭配Cortex-A55架构,在保持低功耗的同时提供了更强的扩展性。实测下来,两者的性能差距在日常使用中可能不会立即显现,但在特定场景下会拉开明显差距。 2. 硬件架构深度对比:藏在参数背后的细节 2.1 计算核心与制程工艺 先看最核心的CPU部分,RK3568采用4核Cortex-A55设计,最高主频2.0GHz,相比RTD1296PB的Cortex-A53架构有着明显的IPC提升。我在压力测试中发现,同样的文件压缩任务,RK3568能快15-20%。

Flash Table实测:JAI赋能低代码开发,重塑企业级应用构建范式

Flash Table实测:JAI赋能低代码开发,重塑企业级应用构建范式

目录 * 🔍 引言 * 1.1 什么是Flash Table * 1.2 低代码平台的进化与FlashTable的革新 * ✨FlashTable背景:为什么需要新一代低代码平台? * 2.1 传统开发的痛点 * 2.2 低代码平台的局限 * 2.3 FlashTable的差异化定位 * 💻 FlashTable安装:Docker部署&Jar包部署 * 3.1 基础环境要求 * 3.2 Docker部署(推荐方案) * 3.3 Jar包部署(无Docker环境) * 3.4 常见问题 * 📚FlashTable功能深度评测:从案例看真实能力 * 4.1 数据孤岛?FlashTable 自动化匹配字段 * 4.2 FlashTable复杂表单的开发挑战 * 4.3