ComfyUI Extension: ComfyUI-Upscale-CUDAspeed

Authored by piscesbody

Created

Updated

7 stars

A high-performance image upscaling plugin for ComfyUI with CUDA acceleration, multi-GPU support, mixed precision, and Tensor Core optimization

Custom Nodes (0)

    README

    ComfyUI Upscale CUDAspeed

    基于CUDA加速的高性能图像&视频放大插件，专为ComfyUI设计。

    作者的话

    我一般用于1280x720 161f视频放大，使用RealESRGAN_x2plus.pth模型，参数设置如下： use_autocast: 启用 precision: fp16 tile_size: 1280（视频最长边） overlap: 8（视频放大无所谓，最小值即可） enable_compile: 启用（编译第一次运行需要30秒左右的时间，但是速度提升80%，批量处理建议开启。） optimization_level: 优化级别speed

    <img width="429" height="358" alt="image" src="https://github.com/user-attachments/assets/fc74de34-5333-4bd8-b1d6-9c413deb7d21" />

    目前无法解决编译时长问题，ai写的代码，deepseek，GPT-5，claude轮番上阵，认知不够无法解决。望大佬指点。

    功能特性

    🚀 高性能CUDA加速

    • 利用PyTorch的torch.compile进行模型编译优化
    • 动态尺寸编译，避免每次尺寸变化都重新编译
    • 智能内存管理，自动优化显存使用

    🎯 智能参数优化

    • 自动瓦片大小计算：根据图像尺寸智能调整瓦片大小
    • 重叠区域优化：自动计算最优重叠区域，避免接缝问题
    • 多精度支持：支持fp16、fp32、bf16精度模式
    • 自动混合精度：启用自动混合精度提升性能

    ⚙️ 灵活的配置选项

    • 优化级别：平衡模式、速度优先、内存优先
    • 模型编译：可选的模型编译功能
    • 批处理支持：支持批量处理提升效率
    • 瓦片处理：可自定义瓦片大小和重叠区域

    安装方法

    1. 将本插件文件夹复制到ComfyUI的custom_nodes目录
    2. 重启ComfyUI
    3. 在节点菜单中找到"🚀 Upscale Image CUDAspeed"节点

    使用方法

    基本使用流程

    1. 加载放大模型：

      • 使用UpscaleModelLoader节点加载放大模型
      • 支持所有ComfyUI兼容的放大模型

    2. 配置放大参数：

      • 连接图像输入和放大模型
      • 调整以下参数：
        • use_autocast: 启用/禁用自动混合精度
        • precision: 选择计算精度（auto/fp16/fp32/bf16）
        • tile_size: 瓦片大小（0为自动计算）
        • overlap: 重叠区域大小（0为自动计算）
        • enable_compile: 启用/禁用模型编译
        • optimization_level: 优化级别（balanced/speed/memory）

    参数说明

    精度设置

    • auto: 自动选择最优精度
    • fp16: 半精度浮点数，性能最佳
    • fp32: 单精度浮点数，精度最高
    • bf16: 脑浮点数，平衡精度和性能

    优化级别

    • balanced: 平衡性能和内存使用
    • speed: 速度优先，使用更大的瓦片
    • memory: 内存优先，使用更小的瓦片

    瓦片处理

    • tile_size: 处理图像时使用的瓦片大小
      • 0: 自动计算最优大小
      • 建议值: 256-1024
    • overlap: 瓦片之间的重叠区域
      • 0: 自动计算最优重叠
      • 建议值: 8-64

    性能优化建议

    硬件要求

    • GPU: NVIDIA显卡，支持CUDA
    • 显存: 建议8GB以上
    • 驱动: 最新NVIDIA驱动

    性能调优

    1. 大显存显卡：启用模型编译，使用速度优先模式
    2. 小显存显卡：使用内存优先模式，减小瓦片大小
    3. 高质量需求：使用fp32精度，禁用自动混合精度
    4. 批量处理：启用批处理功能提升效率

    内存管理

    • 插件会自动管理显存使用
    • 支持动态瓦片大小调整
    • 智能输出设备选择（GPU/CPU）

    技术特点

    模型编译优化

    • 使用PyTorch的torch.compile进行即时编译
    • 动态尺寸支持，避免重复编译
    • 运行时缓存，提升重复使用效率

    异步处理

    • 数据预处理和模型编译并行执行
    • 多CUDA流优化，提升GPU利用率
    • 非阻塞数据传输

    智能后处理

    • 自动检测和修复编译模型输出问题
    • 数值范围归一化
    • 异常值处理

    故障排除

    常见问题

    Q: 编译失败怎么办？ A: 禁用enable_compile选项，使用普通模式

    Q: 显存不足怎么办？ A: 减小tile_size，启用optimization_level为"memory"

    Q: 输出图像发白？ A: 这是编译模型的常见问题，插件会自动进行后处理修复

    Q: 处理速度慢？ A: 启用enable_compile，使用optimization_level为"speed"

    日志信息

    插件会输出详细的处理日志，包括：

    • 设备信息
    • 内存使用情况
    • 处理时间统计
    • 性能优化建议

    版本信息

    • 当前版本: 1.0.0
    • 兼容性: ComfyUI 最新版本
    • 依赖: PyTorch, spandrel, tqdm（可选）

    贡献

    欢迎提交问题和改进建议！

    许可证

    本项目基于MIT许可证开源。