ComfyDL

深度学习，只需几次点击！

已有 GUI 版本： ComfyDL_UI 把 ComfyDL 作为内置节点包注册在开箱即用的 ComfyUI 运行时分支上——克隆后运行 main.py 即可，节点已就位。详见安装。

这是什么？

ComfyDL 让你通过连接 ComfyUI 中的节点来构建深度学习工作流——从 CNN 到 BERT，以及更多——而无需编写代码。它深受 d2l 代码库启发，并持续自主开发更多有用的节点——可视化、富有教育意义，非常适合快速原型开发。拖拽、连接，即刻看到结果。

ComfyDL 有自己的 GUI 版本： ComfyDL_UI 把 ComfyDL 作为内置节点包注册在 ComfyUI 运行时分支之上——详见安装一节。

使用示例

说明： ComfyDL 随附的示例工作流已作为工作流模板在界面中提供（Templates → ComfyDL Examples）：两个语言模型工作流与三个回归工作流。早于节点重构的旧示例保留在 example_workflows/_archived/ 以备查阅。

神秘的 “?”

一个带开关的小节点，会做点……什么。试一试就知道了~

神秘的 ?

训练一个小语言模型（实时 loss 曲线）

在图内端到端训练一个小语言模型——Vocab Build → Text Encode → Sliding Window → Language Model 流水线 → Generate → Save。实时预览上线后，Language Model Train 节点在训练的同时会把 cross-entropy 曲线实时刷在自己节点下方（节点下方那张预览卡片）。

语言模型训练工作流

Language Model Train 节点与其实时 loss 曲线预览

安装

有两种方式可以运行 ComfyDL：使用 GUI 版本，或按经典方式手动装进已有的 ComfyUI。

方式一 —— GUI 版本：ComfyDL_UI

ComfyDL_UI 是 ComfyUI 的运行时分支，已把 ComfyDL 作为内置节点包注册好。不需要放进 custom_nodes，也不需要手动接线——克隆后创建虚拟环境（推荐，避免包冲突），安装依赖并启动：

git clone https://github.com/Cynthia-lxx/ComfyDL_UI
cd ComfyDL_UI
python -m venv .venv
.venv\Scripts\activate      # Windows   （Linux / macOS 为 .venv/bin/activate）
pip install -r requirements.txt
python main.py

细节见其说明文档：https://github.com/Cynthia-lxx/ComfyDL_UI#readme。

方式二 —— 经典手动安装（装进已有的 ComfyUI）

此方式需要 ComfyUI。 如果你还没有，请从以下地址下载：https://github.com/Comfy-Org/ComfyUI

进入你的 custom_nodes 文件夹：

克隆本仓库：

git clone https://github.com/Cynthia-lxx/ComfyDL ./ComfyDL

安装依赖：

pip install -r ./ComfyDL/requirements.txt

重启 ComfyUI。你应该能在节点菜单中看到 ComfyDL 新增的节点。

功能概览

内置节点库共 231 个节点，涵盖 35 个类别 —— 其中 133 个由 ComfyDL 提供，另加在其之上新增的 98 个 ComfyUI 核心节点（Network & Layers → Activation 14 个 + Basic 8 个

Attention 8 个 + Normalization 7 个 + Regularization 1 个 + Training 23 个 + Pooling 2 个 + Convolution 5 个 + Recurrent 3 个 + Text 4 个； model → loaders 7 个 + merging 11 个 + latent 2 个 + conditioning 2 个； 3d → Preview 3D 1 个）：

类别	节点数	说明
CV 模型	5	CNN 基础与模型构建
数据集	27	数据集下载、加载、预览与统计，回归/分类合成数据生成器
设备工具	3	GPU/CPU 设备查询
GAN	2	GAN 训练更新
模型工具	7	模型信息、模式、前向、层结构、参数、克隆与存取
NLP 模型	9	RNNLM 与注意力/Seq2Seq 构件（RNN/GRU 构建器已软归档）
NLP 工具	5	文本分词与词表
目标检测	10	锚框、IoU、NMS
语义分割	4	VOC 语义分割工具
张量基础	5	张量 I/O、卷积、转置、广播、激活函数
张量运算	11	损失、优化、评估指标与混淆矩阵
训练	6	从零实现的线性回归 / softmax 回归教科书训练器 + 一盒式生产回归/分类训练器
可视化	13	图表与边界框可视化
已弃用 · 模型工具	1	已弃用（软归档）：Model Mode，纯 TENSOR 图改用核心 Training Mode
已弃用 · NLP 模型	7	已弃用（软归档）：Multi-Head Attention、Add & Norm、Transformer Encoder Block/Encoder 与 RNN/GRU 构建器，改用核心 Attention/Recurrent 节点
已弃用 · 张量基础	3	已弃用（软归档）：Broadcast、Reshape、Activation
Comfy 图像	1	图像批次逐通道统计
Comfy 图像/颜色	3	灰度、归一化与亮度/对比度/饱和度
Comfy 图像/变换	1	任意角度旋转 + 画布扩展
Comfy 实用工具	4	MessageBox、NoOp 空操作与基准计时
conversion	6

上表 20 个类别是 ComfyDL 自身提供的部分；随宿主发布的节点库另外 14 个类别（Network & Layers/*、 model/* 与 3d 三条分支，共 98 个节点）是纯 ComfyUI 核心分类。

完整节点参考，请参阅 **FUNCTIONS.md**（英文）或 **FUNCTIONS_zh.md**（中文）。

仓库结构

ComfyDL/
├── src/d2lcore/     # 受 D2L 启发的核心实现——参考层（torch.py 等）
├── nodes/           # ComfyUI 节点定义（薄映射层）
│                    #   含自主开发的 model_utils.py、image_tools.py 及
│                    #   NLP 模型包装（model_nlp.py、model_attention.py、model_seq2seq.py）
└── example_workflows/  # 作为 UI 模板提供的示例工作流（另有 _archived/ 旧版存档）

注意： src/d2lcore/ 的镜像副本同时存在于仓库根目录的 d2lcore/（插件目录之外）。修改 D2L 核心逻辑时两处需保持同步。

许可证

本项目基于 GNU 通用公共许可证第 3 版（或更高版本）授权——详见 LICENSE 文件。 ComfyDL 作为 ComfyDL_UI 项目的节点包分发，采用同一许可证；上游 ComfyUI 保留其自身版权与维护者。

特别鸣谢

ComfyDL 站在卓越的 **d2l**（动手学深度学习）社区的肩膀之上。

代码库： 我们大量参考并借鉴了 d2l-pytorch 仓库的实现。其清晰、教科书级别的代码是许多节点的优质参考与起点，并将继续指引新节点的开发。我们深深感谢所有在宽松的 MIT-0 许可证下贡献这一资源的开发者们。
灵感来源： 本项目从设计到教学理念，都深受 《动手学深度学习》（PyTorch 版）一书的启发，它为掌握深度学习提供了最易于理解且实用的路径之一。

没有他们的远见与慷慨，就不会有本项目。我们鼓励大家去探索原书和仓库：

书籍（中文）： https://zh.d2l.ai/
GitHub 仓库： https://github.com/dsgiitr/d2l-pytorch

免责声明： 本文档由 AI 翻译自英文原版 README.md，可能存在不准确之处。如有歧义，请以英文原版为准。