ComfyUI-KJNodes 使用指南5 步搞定模型编译与图像批处理节点【免费下载链接】ComfyUI-KJNodesVarious custom nodes for ComfyUI项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-KJNodesComfyUI-KJNodes 是给 ComfyUI 扩展用处的自定义节点合集把模型编译加速、显存监控、图像与遮罩批处理这些原生缺少的能力打包成可直接拖进画布的节点。你不用写代码就能让出图更快、显存更省并一次处理整批素材。它解决什么痛点显存吃紧、出图偏慢原生 ComfyUI 对大模型和长序列视频几乎没有加速手段。KJNodes 提供 torch.compile 编译和注意力替换节点把推理时间压下来同时降低显存峰值。一次要处理一批图做数据预处理、批量超分或按遮罩裁剪时原生节点往往只能一张张过。这里可以直接批量裁剪、批量缩放、按索引抽帧一次跑几十上百张。工作流连线一团糟节点一多连线交叉、子图之间传参困难。用 Set/Get 把参数命名后跨节点、跨子图引用画布立刻清爽。上图展示用 Set/Get 把 Load Checkpoint 的参数传到其他节点避免重复连线。核心能力拆解让出图更快更省显存把模型接进TorchCompileModelAdvanced按硬件选后端inductor适合 NVIDIAcudagraphs走 CUDA 图加速。首次运行会先编译、偏慢之后每轮推理才快。上图用WidgetToString读取另一个节点的控件值并转成字符串输出方便把参数串起来。注意力机制可替换Patch Sage Attention KJ和Patch Flash Attention KJ把默认注意力换成更省显存的实现长视频、高分辨率任务收益明显。注意Sage 需要装sageattentionFlash 需要flash_attn否则节点无法生效。批量处理图像与视频ImageBatchMulti、ImageBatchFilter、BatchCropFromMask负责批量缩放、筛选和按遮罩裁剪LoadVideosFromFolder配合DecodeAndSaveVideo可做视频素材的批量编解码。显存占用看得见Start/End Recording CUDAMemory History加Visualize CUDAMemory History能录下显存曲线Model Memory Use Report Patch在出图时打印实际占用方便定位哪一步爆显存。编译/加速选项适用场景说明inductor 后端NVIDIA 显卡默认编译后推理更快cudagraphs 后端显存紧张用 CUDA 图减少 CPU 调度开销Sage/Flash 注意力长序列视频需要额外安装对应库快速上手在 ComfyUI 的custom_nodes目录克隆仓库git clone https://gitcode.com/gh_mirrors/co/ComfyUI-KJNodes pip install -r requirements.txt重启 ComfyUI确认控制台无报错前端能看到KJNodes分类的节点。按KJ搜索节点先接一个最简单的TorchCompileModelAdvanced到模型链路上试跑。显存不够时加Model Memory Usage Factor Override调低占用系数或开启注意力替换节点。复杂工作流用 Set/Get 理线CtrlShiftS加 SetCtrlShiftG加 Get右键连线中点可一键转成 Set/Get 对。常见问题与注意事项节点搜不到 LTXV 或 MiniMax这两组依赖第三方库导入失败时会在控制台打印LTXV nodes could not be imported的警告。装好对应库后重启即可不影响其他节点。torch.compile 第一次很慢属正常现象首次要完成编译缓存。之后推理才提速别在第一次计时下结论。Sage/Flash 注意力没反应确认已pip install sageattention或flash_attn并保证版本与当前 PyTorch 匹配否则节点会静默失效。ComfyUI-KJNodes 的价值在于用现成节点补齐 ComfyUI 在编译加速、显存监控和批量处理上的短板装好后按需取用即可。【免费下载链接】ComfyUI-KJNodesVarious custom nodes for ComfyUI项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-KJNodes创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
