日期：2026年 04月 25日

標籤： Linux Ubuntu Docker Docker-Compose Container Stable Diffusion ComfyUI WSL 2

摘要：資訊筆記

第一部分：介紹 & 實作目標

Step 1：為什麼選擇容器化（環境隔離的重要性）

AI 圖像生成工具的 Python 依賴地獄是出了名的麻煩。
並且基於 Stable Diffusion 模型的 Web-UI 套件如 : ComfyUI、AUTOMATIC1111、InvokeAI 各自對 PyTorch、CUDA、xformers 的版本要求不同

直接裝在宿主機很容易互相踩壞。有了容器化可以達到以下優點：

容器化實現了一台機器可以多種不同的 AI 應用程式同時使用，並且彼此間不會相互影響。

Step 2：RTX 5070 Blackwell 的特殊挑戰

RTX 5070 屬於 NVIDIA Blackwell 架構（sm_100 / GB205），屬於較新的版本，相較前幾代有幾個坑：
嚴格來說 2025 年以前的文章大多偏向 CUDA 12.1 的 GPU 模型配置，本篇是針對支持 Blackwell 的顯示卡 (CUDA 12.8+)，運行使用 ComfyUI

補充： CUDA 全名 Compute Unified Device Architecture（統一計算設備架構）
      由 NVIDIA 開發的平行運算平台與程式設計模型，讓開發者能利用 NVIDIA GPU 進行通用運算

Step 3：ComfyUI 介紹

核心概念：節點式工作流 (EX: n8n 就是一種節點式工作流)

ComfyUI 是一個 Stable Diffusion 的操作介面，但它跟其他介面最大的不同在於——它把 AI 生圖的每一個步驟都拆成獨立的「節點（Node）」，
你用連線把這些節點串起來，形成一條視覺化的工作流（Workflow）。

[載入模型] → [輸入提示詞] → [設定取樣器] → [解碼圖像] → [輸出]

ComfyUI 有以下優勢特性：

Step 4：考慮使用 ComfyUI 的情況

以下是適合用 ComfyUI 的情境，若有符合可以考慮使用：

不太適合 ComfyUI 的情境：

總結使用情況：

ComfyUI 是給想搞清楚 AI 生圖底層在做什麼、或是需要打造精細自動化流程的人用的工具。
學習曲線較陡，但一旦上手，彈性和效能都是其他介面難以匹敵的。

補充資訊：

補充：對於 RTX 50XX 系列，有 Blackwell 架構的顯卡用戶，
     還有一個實際的理由：新架構的 CUDA 支援和模型適配， **在 ComfyUI 社群裡幾乎是最快的** 

Step 5：本篇安裝軟體架構

完整操作安裝，在自己的電腦將會有以下結構， 目標 ： 容器化安裝 ComfyUI(AI生圖片) + 容器可以使用電腦顯卡運算

Windows 10/11（你的主機）
    └── WSL2（輕量級 Linux 虛擬機，由 Windows 管理）
            └── Ubuntu（Linux 發行版，跑在 WSL2 裡）
                    └── Docker（跑在 Ubuntu 裡）
                            └── ComfyUI 容器（完全隔離 & 最終目標）

第二部分：硬體規格

Step 1：硬體規格

本篇能順利安裝並且執行 GPU 生成 AI圖片，使用以下硬體規格，提供參考：

補充: RTX 5070 的 12GB VRAM 在跑 SDXL 或 Flux 模型時算是剛好夠用，但執行如 ControlNet 組合時記憶體耗能較大，這時可以考慮開啟 tiled VAE 避免 Memory Crash

Step 2：軟體版本（Docker Desktop、WSL2、驅動版本）

本篇能順利安裝並且執行 GPU 生成 AI圖片，使用到的軟體與對應版本，提供參考：

補充資訊：

WSL2 裡面不需要另外安裝 CUDA Toolkit，NVIDIA 驅動會透過 /usr/lib/wsl/lib 自動透傳，裝了反而可能衝突。

第三部分：前置準備

Step 1：檢查顯卡已就緒

開啟 CMD 或 Power Shell 輸入以下指令檢查是否有顯卡

nvida-smi

Step 2：檢查 Docker Desktop 與 WSL

開啟 CMD 或 Power Shell 輸入以下指令檢查是否有安裝 Docker Desktop，目前已有安裝 docker，尚缺 WSL

wsl --list --v

Step 3：安裝 Docker Desktop

若無安裝可參考此篇：0080. .NET Aspire 必備容器化環境：Windows 上的 OCI 搭建說明中的 Docker Desktop 安裝說明

Step 4：安裝 WSL2 + Ubuntu

若已安裝，可以先執行以下指令先更新 wsl

wsl --update

若無安裝 WSL 2，請輸入以下指令進行安裝：

wsl --install
wsl --install -d Ubuntu

Step 5：安裝 WSL2 + Ubuntu - 安裝完成

首次安裝完成 WSL2 + Ubuntu 需要設定 Linux 的帳號密碼

Step 6：開啟 Docker Desktop 的 WSL2 整合 - 進入設定

開啟 Docker Desktop -> 進入右上角設定

Step 7：開啟 Docker Desktop 的 WSL2 整合 - 設定啟用 WSL2

左側的 Resources -> WSL integration
若無安裝 WSL2 ，這時會出現錯誤： You don’t have any WSL2 …


若正確安裝後，會有選項 Enable integration with additional distros:
這裡打勾，並且使用 Ubuntu
※常見漏掉的步驟：Ubuntu 需要手動勾選，否則在 Ubuntu 裡下 docker 指令會找不到。

Step 8：安裝 NVIDIA Container Toolkit - 開啟 WSL

工作列 -> WSL -> 開啟

Step 9：安裝 NVIDIA Container Toolkit - 安裝

通常容器是不能使用顯示卡 GPU，因此我們需要安裝 NVIDIA Container Toolkit

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

Step 10：設定 Docker Engine 加入 nvidia runtime

回到 Docker Desktop 的設定 -> 選擇 Docker Engine
補上以下這段，然後 重啟 Docker Desktop

  "runtimes": {
    "nvidia": {
      "path": "nvidia-container-runtime",
      "runtimeArgs": []
    }
  }

然後回到 WSL 指令列，運行 runtime 並且重啟 Docker

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker  # 若在 WSL 內直接跑 Docker daemon

Step 11：驗證 nvidia runtime 是否正常

繼續 WSL 指令列，輸入以下

docker run --rm --gpus all nvidia/cuda:12.8.0-base-ubuntu22.04 nvidia-smi

若成功可以看到 GPU 的資訊，表示容器可以正常存取顯示卡了

第四部分：ComfyUI 容器啟動

Step 1：安裝 ComfyUI - 建立目錄

開啟 WSL 指令列，輸入以下：
目的是建立 comfyui 的目錄

mkdir -p ~/comfyui/{run, basedir}
cd ~/comfyui

Windows 的檔案總控輸入以下 :

\\wsl.localhost\Ubuntu\home\[您的帳號]\comfyui\basedir\models\

可以看到之後 ComfyUI 的存放目錄位置，便於後續 Stable Diffusion 模型存放位置

Step 2：安裝 ComfyUI - 執行安裝

開啟 WSL 指令列，輸入以下：
目的是建立 comfyui 的目錄 回到 WSL ，繼續輸入以下指令，我們會建立支持 RTX 5070 顯示卡的 cuda 12.8 版本的 comfyUI 容器
並且容器使用的 Port 為 8188

# 安裝顯卡容器
cd ~/comfyui && docker run -it \
  --runtime nvidia \
  --gpus all \
  -v "$(pwd)/run:/comfy/mnt" \
  -v "$(pwd)/basedir:/basedir" \
  -v /usr/lib/wsl:/usr/lib/wsl \
  -e LD_LIBRARY_PATH=/usr/lib/wsl/lib \
  -e WANTED_UID=$(id -u) \
  -e WANTED_GID=$(id -g) \
  -e BASE_DIRECTORY=/basedir \
  -e SECURITY_LEVEL=normal \
  -p 127.0.0.1:8188:8188 \
  --name comfyui-nvidia \
  mmartial/comfyui-nvidia-docker:ubuntu24_cuda12.8-latest

Step 3：啟動 ComfyUI

在瀏覽器輸入以下連結位置，可以訪問自己機器上的 ComfyUI 容器

http://127.0.0.1:8188

第五部分：模型安裝與使用

Step 1：快速上手 - 使用模板

接著左側選擇模板 (Template)

Step 2：選擇自己喜好的類型

可以透過輸入框選擇自己喜好的模型，這邊為了展示，選擇 動漫

Step 3：首次執行 - 安裝模型

接著選擇 運行 會出現缺少模型，這是正常的，因為模板出現的只是節點流式工作流
選擇 查看錯誤

這個 Template 需要 3 種模型，依序下載

Step 4：搬移模型

下載完成後，模型要放到正確的 ComfyUI 容器掛載的位置
開啟 Windows 檔案總管，輸入以下

\\wsl.localhost\Ubuntu\home\cap8825\comfyui\basedir\models

然後跳轉到 ComfyUI 模型存放目錄位置，將這個 Template 下載的 3 個模型放入對應資料夾

Step 5：模型對應資料夾資訊

模型的對應資訊要回到剛剛使用的 Template 的第 1 個節點流 (Markdown Note)，拉到中間的地方會看到 Model Storage Location 資訊

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 text_encoders/
│   │   └── qwen_3_06b_base.safetensors
│   ├── 📂 vae/
│   │   └── qwen_image_vae.safetensors
│   └── 📂 diffusion_models/
│       └── anima-preview2.safetensors

然後跳轉到 ComfyUI 模型存放目錄位置，將這個 Template 下載的 3 個模型放入對應資料夾

Step 6：再次執行模板

再次執行，會看到工作列出現使用模型的資訊

全部：67%
K採樣器：13%

Step 7：成功 GPU 生圖片

點擊 *檢視


可以看到大圖，並且可以下載

Step 8：調整 Prompt

要調整圖片，可以觀察到這個模板的 Step3 - Prompt ，有預設的提示詞


將提示詞改成自己想要的就可以生成，下面是舉利用： 森林系（療癒系）

masterpiece, best quality, score_7, safe, anime style, lush forest scenery, tall ancient trees with dense green foliage, 
soft sunlight filtering through the leaves creating god rays, 
moss-covered ground and rocks, small glowing particles floating in the air, 
a gentle stream flowing through the forest, highly detailed textures, 
soft lighting, calm and magical atmosphere, rich greens and natural tones

輸出結果如下，快速 ComfyUI 上手生成圖片 (這個模板是動漫風格的模型，因此會出現動漫風森林)