使用Docker部署ComfyUI，建立多個不同用途的AI生圖容器

以Ubuntu系統的Docker為例。非WSL。

為什麼要用Docker呢？使用Docker的好處在於不怕炸掉依賴。目前Linux安裝ComfyUI的方式是手動git clone再建立Python，可能Linux系統的Python一更新就會導致部分功能，要重新設定Python環境。Docker可以把Python環境包在容器裡面跟宿主機隔離，讓ComfyUI依賴的Python環境不受系統影響。

即使目前這個容器環境被弄壞了，也可以馬上換另一個頂上來，不需要再重新安裝一堆Python依賴。

另一個是部署多個ComfyUI容器的方式，實現資料隔離。你想想，ComfyUI有那麼多自訂節點的擴充套件，如果裝新的跟舊的衝突怎麼辦呢？利用Docker容器化能夠解決這個問題，建立多個容器，再用Docker volume的方式掛載進去，共享模型目錄。

1. 安裝Nvidia Container Toolkit

#

讓Docker容器內的程式能使用CUDA加速的技術。

參考Ubuntu安裝Nvidia專有驅動

2. 取得docker-compose

#

ComfyUI官方尚未提供Docker映像檔，所以我用第三方開發者維護的版本。目前我覺得YanWenKun寫的最好，它提供各種打包好的映像檔，提供Nvidia與AMD用戶選擇。

1. 建立存放ComfyUI資料的目錄

mkdir ~/comfyui-docker

cd comfyui-docker

2. 參考作者的Github，取得docker-compose檔案，例如我現在使用CUDA 12.6的版本

wget https://raw.githubusercontent.com/YanWenKun/ComfyUI-Docker/refs/heads/main/cu126-slim/docker-compose.yml

3. 下載docker-compose之後，按需修改內容

services:

  comfyui:
    init: true
    container_name: comfyui
    build:
      context: .
      dockerfile: Dockerfile
    image: "yanwk/comfyui-boot:cu126-slim"
    ports:
      - "8188:8188"
    volumes:
      - "./storage:/root" #將容器內部的資料掛載到目前目錄下的storage，也可以是其他路徑
    environment:
      - CLI_ARGS=--listen # 加上listen，讓外部網路能存取ComfyUI
    security_opt:
      - "label=type:nvidia_container_t"
    deploy: # 讓容器能夠使用CUDA
      resources:
        reservations:
          devices:
            - driver: nvidia
              device_ids: ['0']
              capabilities: [gpu]

6. 然後啟動容器

docker compose up -d

7. 開啟瀏覽器http://Linux電腦IP:8188檢視網頁。

8. 容器終端機輸出的訊息，請用docker logs --follow comfyui指令查看。

3. Docker版ComfyUI的資料目錄

#

我使用的ComfyUI容器資料目錄會掛載到目前目錄下的storage，裡面有ComfyUI目錄。Docker版ComfyUI資料目錄跟用Python手動部署的是一樣的。例如checkpoint的生圖模型就是放到models/checkpoints目錄。