合格作业：完成ComfyUI仓库的搭建，完成高清放大工作流的搭建，成功生成自己心仪的图片
进阶作业：搭建一个用于训练lora的工作流并完成训练，分享lora并说明

1. 完成合格作业

1.1 基于flux2生成图片

项目启动仓库为https://cnb.cool/dockdockgo/pure-flux2
文生图实测：

1.2 修改flux2基础工作流，改出高清放大工作流

待放大图片：

高清放大后的图片：

1.3 用Dockerfile从python:3.10构建支持了flux2的ComfyUI镜像

构建的Dockerfile为：https://cnb.cool/dockdockgo/pure-flux2-deploy/-/tree/main/.ide.temp
构建完成镜像的查看页面：https://cnb.cool/dockdockgo/pure-flux2-deploy/-/packages/docker/pure-flux2-deploy/catfish_image_comfyui_v0_3_75

作业：
1、文本生成图片

2、图片高清放大工

1. 完成合格作业

项目启动仓库为https://cnb.cool/cnb-example137/learning-comfyui
1.1 文生图

1.2 高清放大工作流

作业

https://cnb.cool/Tsukima/comfyui-lab

本实验采用的模型为Flux2-dev系列，以下为根据要求所做的实验结果：

1. 基础任务

1.1 文生图工作流

涉及要素

• 文生图整体工作流
  • 模型加载
  • 正反提示词
  • 采样器配置
  • VAE加载及解码
  • Latent缩放

1.2 图片高清放大

涉及要素

• 使用模型生成高清放大图

生成的图像

原图：

放大图：

镜像制品

位置: https://cnb.cool/Tsukima/comfyui-lab/-/packages/docker/comfyui-lab

启动方式

点击ComfyUI，启动！后，在终端执行python main.py --listen 0.0.0.0，按照端口服务点击进入ComfyUI界面

文生图

工作流

高清放大

工作流

放大后

1，完成合格作业
ComfyUI仓库的搭建
https://cnb.cool/CHENTENGFEI/comfyui2046
文生图

高清放大

高清放大工作流截图

一、作业项目

仓库地址：https://cnb.cool/smk2h/comfyui-demo
最终镜像：https://cnb.cool/smk2h/comfyui-demo/-/packages/docker/comfyui-demo
图像信息：可查看 作业
工作流实现：可查看作业

二、完成合格作业

1. 生成图片

2. 图片放大

一、仓库：https://cnb.cool/ZYYH116/ComfyUI-zoom
制品：docker.cnb.cool/zyyh116/comfyui-zoom
二、生成图片（Z-Image还不错）







三、放大

作业提交
https://cnb.cool/zero_ghost/ghostdragonzero/myconfigUI
直接运行就会打开confyui以及下载需要的模型
文生图使用的sd3.5 所以要使用对应的文本编码器否则会报错

图片高清
laten方式 注意第二次采样器的噪声不能太高

模型方式

作业提交

1. 代码仓库：https://cnb.cool/cnb-example-zhangzheng/comfyui_learn_zz
2. 制品地址：docker.cnb.cool/cnb-example-zhangzheng/comfyui_learn_zz
3. 文生图与放大图片工作流：
4. 生成图：
5. 放大图：

1. ComfyUI 仓库

https://cnb.cool/mxc108/learn/comfyui_dustdragon

1.1 ComfyUI 安装的 Dockerfile

https://cnb.cool/mxc108/learn/comfyui_dustdragon/-/blob/master/Dockerfile

1.2 ComfyUI Docker 镜像地址

docker.cnb.cool/mxc108/learn/comfyui_dustdragon:test

---

2. Flux1 生图仓库

https://cnb.cool/mxc108/learn/flux

2.1 Flux1-dev 文生图工作流

2.2 生成图片

2.3 放大图片工作流

2.4 放大图片

仓库

https://cnb.cool/l_ai/2025_diyiqi_AI_yingyong_xunlianying/3_ComfyUI_test

工作流

生成图片

放大

2. 完成进阶作业

2.1. 工作流

构建镜像后，基于ComfyUI部署dockdockgo/comfyui-flux-trainer · (cnb.cool)，创建flux1-dev的微调工作流：

2.2. 数据集

选择flux1-dev模型，经过一些提示词推理的探索，发现它不擅长绘画如下这种风格的图片。下面这种风格，简练语言概括的话，可以称为：带有马克龙彩笔效果的糖果风格水彩画：

同名txt是调用了VLM的api进行图片推理，作为图片的标签。

数据集存放到modelscope或者hf的仓库里，下载到cnb的/root/ComfyUI/datasets里，并解压。

2.3. 训练参数

工作流里调整训练参数：

使用了最基础的参数，完成设置后，点击Run开始训练。

1.5小时后，完成训练：

前端检查点推理效果：

2.4. 训练结果

把训练结果复制到/workspace里方便其他同学下载和测试： https://cnb.cool/dockdockgo/comfyui-flux-trainer/-/tree/main/training-results

载入模型后，得到微调结果明显具备数据集的马卡龙卡通水彩风格了：

微调前后对比效果：

提示词	无微调flux1-dev	微调后的flux1-dev + lora
The illustratfen festures a character with short, darkblue hsir odorned with a purple hesdband decorsted with ...
a girl

作为对比，只使用flux1-dev模型的时候，推理结果没有数据集的风格：

使用最简单的a girl提示词做微调前后对比，可以明显看出微调后掌握了数据集的风格：

基础作业

环境被回收导致未能截图文转图工作流，详细json工作流构建文件在data文件夹下
仓库
https://cnb.cool/www.star-dream.top/work

flux文生图+图像放大工作流搭建

简单使用模型放大4倍

flux lora训练工作流

1. 使用ComfyUI-FluxTrainer训练节点的示例工作流。我尝试训练人物lora，从第五人格游戏中naib角色官方不同皮肤海报作为训练集。

2. 预处理是等比例缩放到1024内，然后使用tag工作流进行批量打标，Joy Caption Two节点。对每个皮肤添加了皮肤名字作为触发词。

3. 训练训练人物触发词为：character Naib, Character with buttons for eyes，进行训练，使用多分辨率训练3000 step。

4. 使用训练好的lora, 加载到原来flux文生图工作流中，可以通过触发词，皮肤名称和描述来生成不同姿态和场景的人物形象。

仓库地址：https://cnb.cool/morningstar014/ComfyUI-flux-trainer

完成合格作业

基于Z-Image-Turbo模型进行文生图，并放大图片

1. 项目仓库：https://cnb.cool/zhqi88/comfyui-project
2. 文生图&放大图片工作流
3. 生成原图&放大图片

1024 * 1024

4096 * 4096