Ubuntu 26.04 Docker 部署 ComfyUI (NVIDIA GPU) 完整教程

Cy大秦

340人浏览 · 2026-06-07 09:12:11

Cy大秦 · 2026-06-07 09:12:11 发布

Ubuntu 26.04 Docker 部署 ComfyUI (NVIDIA GPU) 完整教程

在这里插入图片描述

部署环境： Ubuntu 26.04 · NVIDIA RTX 3090 24GB · Driver 580.159.03 · CUDA 13.0
最终效果： ComfyUI 0.15.1 + PyTorch 2.10.0 (cu130) 容器化运行，Web UI 端口 8188
离线友好： 所有大文件均提供独立下载地址，可在网络好的设备预下载后拷贝

1. 下载与环境预备

1.1 环境概览与硬件要求

组件	本次实际版本	最低要求
操作系统	Ubuntu 26.04	Ubuntu 22.04+
NVIDIA 驱动	580.159.03	≥ 570 (支持 CUDA 13.x)
CUDA	13.0 (驱动自带)	≥ 12.4
Docker	29.1.3	≥ 24.0
NVIDIA Container Toolkit	1.19.1	≥ 1.14
GPU 显存	24 GB	≥ 8 GB（视模型而定）
磁盘空间	~15 GB（镜像）	≥ 50 GB 推荐（含模型）

说明： 本文以离线/弱网环境友好为原则——每一步都列出了可独立下载的地址，可以在网络好的机器上提前下载，再通过 U 盘/局域网拷贝到目标设备安装。

1.2 源码项目 — 提前下载

项目	地址	说明
comfyui-docker	https://github.com/seanwen86/comfyui-docker	ComfyUI Docker 部署项目，内置多阶段构建（devel/release）

# 在线克隆（网络好时）
git clone https://github.com/seanwen86/comfyui-docker.git /tmp/comfyui-docker

# 离线方式：在有网的机器下载 ZIP 后拷贝
wget https://github.com/seanwen86/comfyui-docker/archive/refs/heads/main.zip -O comfyui-docker.zip

1.3 NVIDIA 显卡驱动

用途	下载/查询地址
驱动下载（官网）	https://www.nvidia.com/download/index.aspx
驱动下载（Unix 归档）	https://www.nvidia.com/en-us/drivers/unix/
CUDA 兼容性查询	https://docs.nvidia.com/deploy/cuda-compatibility/

# 查看当前驱动版本 & 支持的最高 CUDA
nvidia-smi
# 输出示例：Driver Version: 580.159.03  CUDA Version: 13.0

⚠️ 注意： CUDA 版本显示的是驱动支持的最高版本，不是系统已安装的 CUDA Toolkit 版本。Docker 容器内 CUDA Toolkit 为 13.1（devel 阶段），PyTorch 使用 cu130。驱动版本 ≥ 570 即可兼容 CUDA 13.x。

# Ubuntu 驱动安装（联网）
sudo apt update
sudo apt install nvidia-driver-580 -y
sudo reboot

# 或使用 .run 文件离线安装（提前下载）
chmod +x NVIDIA-Linux-x86_64-580.159.03.run
sudo ./NVIDIA-Linux-x86_64-580.159.03.run --no-opengl-files

1.4 CUDA Toolkit（仅 devel 构建需要）

用途	下载地址
CUDA Toolkit 下载	https://developer.nvidia.com/cuda-downloads
CUDA 仓库（wget 直链）	https://developer.download.nvidia.cn/compute/cuda/repos/

# 离线下载 CUDA keyring（Docker 构建会用到）
wget https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb

说明： release 阶段镜像不需要安装 CUDA Toolkit，只需 NVIDIA 驱动 + Container Toolkit。只有 devel 阶段（编译自定义节点）才需要完整 CUDA Toolkit（13.1）。本教程使用的 release 镜像已从 devel 阶段复制了所有 Python 包，无需额外安装 CUDA。

1.5 Docker Engine — 提前下载

用途	下载地址
Docker 官方文档	https://docs.docker.com/engine/install/ubuntu/
.deb 包归档（离线安装）	https://download.docker.com/linux/ubuntu/dists/

# 在线安装（Ubuntu 直接使用系统仓库版本）
sudo apt install docker.io docker-compose-v2 -y

# 离线安装：在有网的同架构机器上
apt download docker.io docker-compose-v2
# 得到 .deb 文件后拷贝到目标机器
sudo dpkg -i *.deb
sudo apt install -f -y

1.6 NVIDIA Container Toolkit — 提前下载

用途	下载地址
GitHub Releases（推荐）	https://github.com/NVIDIA/nvidia-container-toolkit/releases
v1.19.1 deb 包直链	https://github.com/NVIDIA/nvidia-container-toolkit/releases/download/v1.19.1/nvidia-container-toolkit_1.19.1_deb_amd64.tar.gz
官方 apt 源（仅限已支持的发行版）	https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html

⚠️ 注意： Ubuntu 26.04 目前不在 NVIDIA 官方 apt 仓库的支持列表中，必须从 GitHub Releases 下载 deb 包手动安装。本教程使用 v1.19.1 版本，已验证兼容。

# 提前下载（在任何有网的机器上）
wget https://github.com/NVIDIA/nvidia-container-toolkit/releases/download/v1.19.1/nvidia-container-toolkit_1.19.1_deb_amd64.tar.gz

# 解压后包含以下 deb 包（按顺序安装）
tar -xzf nvidia-container-toolkit_1.19.1_deb_amd64.tar.gz
ls */ubuntu18.04/
# libnvidia-container1_1.19.1-1_amd64.deb
# libnvidia-container-tools_1.19.1-1_amd64.deb
# nvidia-container-toolkit-base_1.19.1-1_amd64.deb
# nvidia-container-toolkit_1.19.1-1_amd64.deb

1.7 Docker 基镜像 — 提前拉取（离线迁移必备）

# 在有网的机器上提前拉取
docker pull ubuntu:24.04
docker pull nvidia/cuda:13.0-base-ubuntu24.04   # 可选，GPU 验证用

# 导出为 tar 文件
docker save ubuntu:24.04 -o ubuntu-24.04.tar
# 拷贝到目标机器后导入
docker load -i ubuntu-24.04.tar

1.8 最终 ComfyUI 镜像 — 导出与迁移

# 在构建好的机器上导出
docker save comfyui:release -o comfyui-release.tar
# 约 13.4 GB，可压缩
gzip comfyui-release.tar
# 拷贝到目标机器后导入
gunzip -c comfyui-release.tar.gz | docker load

2. 安装部署

2.1 前置检查

# 确认 NVIDIA 驱动已安装
nvidia-smi

# 确认 Docker 已安装
docker --version

2.2 安装 NVIDIA Container Toolkit

# === 离线方式（推荐，将提前下载的 tar.gz 拷贝到目标机器）===

# 1. 解压
tar -xzf nvidia-container-toolkit_1.19.1_deb_amd64.tar.gz
cd nvidia-container-toolkit_1.19.1_deb_amd64/repos/ubuntu18.04/amd64/

# 2. 按依赖顺序依次安装
sudo dpkg -i libnvidia-container1_1.19.1-1_amd64.deb
sudo dpkg -i libnvidia-container-tools_1.19.1-1_amd64.deb
sudo dpkg -i nvidia-container-toolkit-base_1.19.1-1_amd64.deb
sudo dpkg -i nvidia-container-toolkit_1.19.1-1_amd64.deb

# 3. 配置 Docker 运行时
sudo nvidia-ctk runtime configure --runtime=docker

# 4. 重启 Docker
sudo systemctl restart docker

# 5. 验证 GPU 在 Docker 中可见
sudo docker run --rm --gpus all nvidia/cuda:13.0-base-ubuntu24.04 nvidia-smi
# 若没有 nvidia/cuda 镜像，也可用
sudo docker info | grep -A1 "CDI devices"

⚠️ 注意： nvidia-ctk runtime configure 会覆写 /etc/docker/daemon.json。如果你之前配置了 registry-mirrors 等参数，执行后需手动合并。

2.3 配置 Docker 代理（国内网络环境）

# 1. 配置 Docker daemon 代理（用于 docker pull）
sudo mkdir -p /etc/systemd/system/docker.service.d
sudo tee /etc/systemd/system/docker.service.d/proxy.conf << 'EOF'
[Service]
Environment="HTTP_PROXY=http://你的代理IP:端口"
Environment="HTTPS_PROXY=http://你的代理IP:端口"
Environment="NO_PROXY=localhost,127.0.0.1,192.168.0.0/16"
EOF

# 2. 重载配置并重启
sudo systemctl daemon-reload
sudo systemctl restart docker

# 3. 验证代理是否生效
sudo docker pull ubuntu:24.04

说明： 本次部署实际代理地址为 192.168.50.238:10808（HTTP 代理）。registry-mirrors 镜像源不稳定，推荐通过 HTTP 代理直连 Docker Hub。

2.4 拉取项目与构建镜像

# 1. 克隆项目（或解压提前下载的 ZIP）
git clone https://github.com/seanwen86/comfyui-docker.git /tmp/comfyui-docker
cd /tmp/comfyui-docker

# 2. 创建数据目录（宿主机持久化路径）
sudo mkdir -p /mnt/models/ComfyuiUserData/{models,input,output,custom_nodes,workflows}
sudo chmod -R 777 /mnt/models/ComfyuiUserData

# 3. 创建 docker-compose.yml（含代理 build args）
tee docker-compose.yml << 'EOF'
services:
  comfyui:
    build:
      context: .
      target: release
      args:
        - HTTP_PROXY=http://192.168.50.238:10808
        - HTTPS_PROXY=http://192.168.50.238:10808
        - NO_PROXY=localhost,127.0.0.1,mirrors.aliyun.com
    image: comfyui:release
    container_name: comfyui
    ports:
      - "8188:8188"
    volumes:
      - /mnt/models/ComfyuiUserData/models:/workspace/ComfyUI/models
      - /mnt/models/ComfyuiUserData/input:/workspace/ComfyUI/input
      - /mnt/models/ComfyuiUserData/output:/workspace/ComfyUI/output
      - /mnt/models/ComfyuiUserData/custom_nodes:/workspace/ComfyUI/custom_nodes
      - /mnt/models/ComfyuiUserData/workflows:/workspace/ComfyUI/user/default/workflows
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    restart: unless-stopped
EOF

# 4. 构建镜像（约 20-40 分钟，取决于网络和配置）
sudo docker compose build

# 5. 启动容器
sudo docker compose up -d

# 6. 查看日志确认启动
sudo docker logs -f comfyui
# 看到 "To see the GUI go to: http://0.0.0.0:8188" 表示成功

构建产物： comfyui:release 镜像约 13.4 GB，包含：

Ubuntu 24.04 基镜像

PyTorch 2.10.0 + CUDA 13.0（torch ~641MB，torchaudio ~4MB，torchvision ~2MB）

ComfyUI 0.15.1 + 社区插件集（220+ custom nodes）

ffmpeg、OpenCV、espeak-ng 等运行时依赖

2.5 目录职责说明

宿主机路径	容器内路径	用途
`/mnt/models/ComfyuiUserData/models`	`/workspace/ComfyUI/models`	模型文件（checkpoints、VAE、LoRA、ControlNet 等）
`/mnt/models/ComfyuiUserData/input`	`/workspace/ComfyUI/input`	输入图片/视频
`/mnt/models/ComfyuiUserData/output`	`/workspace/ComfyUI/output`	生成结果输出
`/mnt/models/ComfyuiUserData/custom_nodes`	`/workspace/ComfyUI/custom_nodes`	自定义节点（可追加安装）
`/mnt/models/ComfyuiUserData/workflows`	`/workspace/ComfyUI/user/default/workflows`	工作流 JSON 文件

说明： 模型文件放入 /mnt/models/ComfyuiUserData/models/ 下的对应子目录即可：checkpoints/、vae/、loras/、controlnet/、clip/ 等。ComfyUI 会自动扫描识别。

2.6 等价的 docker run 命令

sudo docker run -d \
  --name comfyui \
  --gpus all \
  --restart unless-stopped \
  -p 8188:8188 \
  -v /mnt/models/ComfyuiUserData/models:/workspace/ComfyUI/models \
  -v /mnt/models/ComfyuiUserData/input:/workspace/ComfyUI/input \
  -v /mnt/models/ComfyuiUserData/output:/workspace/ComfyUI/output \
  -v /mnt/models/ComfyuiUserData/custom_nodes:/workspace/ComfyUI/custom_nodes \
  -v /mnt/models/ComfyuiUserData/workflows:/workspace/ComfyUI/user/default/workflows \
  comfyui:release

3. 备份、复制与迁移

3.1 方案对比

方案	耗时	适用场景	传输大小
A. docker save/load	导出~3min + 拷贝 + 导入~3min	完全离线、批量部署多台机器	~13.4 GB（可 gzip 压缩）
B. docker compose build	~20-40min	每台独立构建、网络尚可	仅项目源码 ~50MB
C. 私有 Registry	push~5min + pull~5min	企业内部多机、持续交付	~13.4 GB（仅首次全量）

3.2 方案 A：docker save/load（推荐离线迁移）

# ======== 源机器（已构建完成）========

# 1. 导出镜像
sudo docker save comfyui:release -o comfyui-release.tar

# 2. 压缩（可选，减少传输体积）
gzip comfyui-release.tar
# 约 13.4GB → 约 8-10GB

# 3. 拷贝到目标机器（任选一种）
scp comfyui-release.tar.gz user@目标IP:/tmp/
# 或用 U 盘、Samba 共享等方式


# ======== 目标机器 ========

# 4. 导入镜像
gunzip -c /tmp/comfyui-release.tar.gz | sudo docker load

# 5. 确认导入成功
sudo docker images comfyui:release

# 6. 创建数据目录和 compose 文件（注意：去掉 build 部分）
tee docker-compose.yml << 'EOF'
services:
  comfyui:
    image: comfyui:release
    container_name: comfyui
    ports:
      - "8188:8188"
    volumes:
      - /mnt/models/ComfyuiUserData/models:/workspace/ComfyUI/models
      - /mnt/models/ComfyuiUserData/input:/workspace/ComfyUI/input
      - /mnt/models/ComfyuiUserData/output:/workspace/ComfyUI/output
      - /mnt/models/ComfyuiUserData/custom_nodes:/workspace/ComfyUI/custom_nodes
      - /mnt/models/ComfyuiUserData/workflows:/workspace/ComfyUI/user/default/workflows
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    restart: unless-stopped
EOF

# 7. 启动
sudo docker compose up -d

3.3 方案 B：docker compose build 离线构建

说明： 如果想在无网或弱网的目标机器上构建，可提前在有网机器上下载好所有依赖（deb 包、pip wheel、基础镜像），拷贝后搭建本地局域网 HTTP 代理实现离线构建。

离线依赖	预下载方法
Docker 基镜像 ubuntu:24.04	`docker pull ubuntu:24.04 && docker save -o ubuntu.tar ubuntu:24.04`
PyTorch wheel 文件	在 https://download.pytorch.org/whl/cu130/ 下载 torch、torchaudio、torchvision
NVIDIA CUDA 仓库	https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2404/x86_64/
APT 依赖包	用 `apt download` 或在 http://mirrors.aliyun.com/ubuntu/pool/ 手动下载
pip 依赖包	`pip download -r requirements.txt -d ./pip-offline`
ComfyUI 源码 (.tar.gz)	https://github.com/comfyanonymous/ComfyUI/releases

3.4 模型文件迁移

# 模型目录直接 rsync 或拷贝
rsync -avP /mnt/models/ComfyuiUserData/models/ user@目标IP:/mnt/models/ComfyuiUserData/models/

# 或打包传输
tar -czf comfyui-models.tar.gz -C /mnt/models/ComfyuiUserData models/
scp comfyui-models.tar.gz user@目标IP:/tmp/

ComfyUI 常用模型下载站点：

CivitAI — 社区模型（SD/Flux checkpoints、LoRA、VAE）

HuggingFace — 官方发布模型（Stability AI、Meta 等）

3.5 完整迁移检查清单

NVIDIA 驱动（≥ 570）
Docker Engine
NVIDIA Container Toolkit (v1.19.1)
导入 comfyui:release 镜像（方案 A）或项目源码 + 离线依赖（方案 B）
创建数据目录 /mnt/models/ComfyuiUserData/
拷贝模型文件到 models/ 子目录
配置 docker-compose.yml 并 docker compose up -d
访问 http://目标IP:8188 验证

部署环境：Ubuntu 26.04 / NVIDIA RTX 3090 24GB / Driver 580.159.03
容器技术栈：Docker 29.1.3 + NVIDIA Container Toolkit 1.19.1 + comfyui-docker (seanwen86)
构建时间：2026-06-07

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

2026 开发者实战：国内直连 480+ 大模型，星链4SAPI 统一调度与高可用落地

2026开发者实战：星链4SAPI实现480+大模型国内直连摘要：针对开发者接入海外大模型的网络抖动、账号风控等痛点，星链4SAPI推出聚合路由方案，统一调度GPT-5、Claude、Gemini等主流模型。该方案具备四大核心优势：1）低延迟链路优化，国内平均响应极低；2）弹性高可用架构，支持企业级并发；3）覆盖600+模型，兼容OpenAI等标准接口；4）极简集成，无需修改原有代码。同时提供C