快速开始指南（Linux篇）

1. 前言

本指南基于优云智算基础镜像，提供从实例创建、一般环境部署、ComfyUI部署示例、镜像制作教程、社区镜像发布等内容，不包括Docker相关内容！另外，本指南限于篇幅和侧重点，不可能列举和教学所有Linux下的命令行以及Jupyter操作，如需此方面的深入学习，还请自行查阅互联网相关教程！

2. 云端Linux环境和本地Windows环境的区别

2.1 资源占用：

一般来说，Linux系统的非图形化界面比Windows系统占用更少的系统资源，特别是GPU资源，更适合需要GPU推理的AI应用，这是Linux系统最大的优势！

2.2 应用和插件安装：

Windows整合包比如绘世ComfyUI等，一般可以在整合包内安装和管理插件。但是云端Linux环境下Windows系统的EXE等执行文件不能运行，即使能通过某些第三方方案运行，也不稳定，而且需要额外安装图像化界面，占用更多系统资源，得不偿失！在Linux系统下安装应用和插件一般使用克隆Github等代码仓库的方式，更加纯净和稳定。

2.3 模型下载：

Linux下一般使用git、wget、aria2和hf download等命令行下载模型。特别要指出的是：在优云智算平台下，可以通过软链接的方式直接调用公共模型盘的模型文件，极大地节省了实例和镜像的储存空间和储存费用。如果使用本地整合包上传的话，模型都储存在实例和镜像内，非常容易使实例和镜像超过免费的储存限额而增加额外的费用！并且增加实例开机、镜像制作和部署的时间！

2.4 环境安装和适配：

大多数情况下，Windows本地的依赖环境和Linux并不通用，直接上传整合包内置的依赖环境目录的话，基本上应用是无法直接运行的，还是需要重新安装和配置依赖环境。所以这也是不能上传所谓Windows整合包到云端Linux平台以部署镜像最重要的原因！

3. 创建实例：

3.1 基础镜像的选择

登录优云智算主页后，首先进入控制台，然后点击最左侧实例列表，再点击部署实例按钮：

然后选择平台镜像，在基础镜像中选择合适的镜像，注意：只有通过部署基础镜像制作的镜像才支持发布为社区镜像，系统镜像、游戏镜像和社区镜像（自己发布的社区镜像除外）不支持二次发布：

现在依次说明一下这六种基础镜像

3.1.1 Pytorch：

已经安装好Pytorch系列各个版本依赖的镜像，适合直接安装各种以Torch为加速框架的AI推理应用，其底层逻辑层面从下到上分别为：Unbuntu→Miniconda3（含Python）→物理显卡驱动→CUDA→Pytorch，可以根据需要选择不同版本的层面部署；

3.1.2 TensorFlow：

已经安装好TensorFlow系列各个版本依赖的镜像，适合直接安装各种以TensorFlow为学习训练框架的AI应用，其底层逻辑层面从下到上分别为：Unbuntu→Miniconda3（含Python）→物理显卡驱动→CUDA→TensorFlow，可以根据需要选择不同版本的层面版本部署；

3.1.3 Miniconda：

这个实际上和后面的CUDA镜像功能重复了，不再介绍；

3.1.4 CUDA：

依次安装了Unbuntu→Miniconda3（含Python）→物理显卡驱动→CUDA，但是没有安装PyTorch、TensorFlow以及其他推理加速框架的系列依赖环境，适合根据AI应用的需求自行安装推理加速框架；

3.1.5 ComfyUI纯净版：

依次安装了Unbuntu→Miniconda3（含Python）→物理显卡驱动→CUDA→Pytorch→ComfyUI，并且安装了常用的加速环境和ComfyUI-Manager等少量必备自定义节点，软链接了公共模型盘的大量常用模型，适合自定义打造适合任意场景的ComfyUI应用；

3.1.6 SD-WebUI：

依次安装了Unbuntu→Miniconda3（含Python）→物理显卡驱动→CUDA→Pytorch→SD-WebUI，并且安装了适合SD-WebUI的加速环境和大量的常用插件，软链接了公共模型盘的大量常用模型，适合开箱即用，或者切换到Forge分支以支持SDXL1.0以后的大模型推理（因为SD-WebUI原始分支已经停止开发更新，大模型支持到SDXL1.0为止，所以要使用FLUX及其以后的大模型只能切换到尚在缓慢更新的Forge分支使用）；

3.2 实例规格的选择：

选择好1.镜像以后接下来分别选择2.区域（缺省即可）、3.GPU型号（按需求选择，注意部分GPU可能不支持某些依赖环境或者需要不同的依赖环境）、GPU数量（一般ComfyUI和SD-WebUI这类不支持多GPU同步推理的应用选择1块GPU即可，某些学习和训练型应用可能需要部署多块GPU）和CPU配置（某些视频类应用和ComfyUI工作流会使用大量内存作为额外的模型缓存，如果推理的时候爆内存了，请在部署的时候就选择较大的内存）。

接下来选择6.系统盘配置（200GB免费，超过会收费，保持缺省即可）、7.数据盘挂载（数据盘保存的是私有文件，不会随镜像发布，可以用来储存不方便发布的模型和内容等，可以在实例部署后再挂载，所以也保持默认关闭即可）、点击8.更多配置最右边的小箭头可以打开更多选项、9.CPU型号选择（注意，某些型号的GPU不支持选择CPU，这里一般也保持默认选择即可）、10.网络带宽信息、11.防火墙设置（一般不用改动，除非有特殊的自定义端口需要开放，并且后续在实例和镜像中可以自行修改）、12.实例名称设置（这个也可以部署以后随时修改）、13.付款方式选择（制作镜像一般选择按量计费即可，支持关机不收费，除非磁盘容量超过200G或者挂载了数据盘）、14.预估价格（点击费用明细可以查看详情）、最后点击15.立即部署即可。

4. 操作实例：

4.1 实例界面简介：

按上述的配置部署以后，进入实例列表，刚开始是初始化状态，请等待初始化完毕，如下图：

初始化完毕后，实例状态变为运行中。右边四个按钮分别为

1.进入JupyterLab开发环境
2.SSH或者VNC登录、
3.关机
4.更多操作，我们先点击1.JupyterLab进入开发环境继续讲解，其他三个按钮稍后详述：

4.2 Jupyte界面简介：

进入Jupyter后，如果是英文界面，可以按下图所示改为中文：

Jupyter界面常用的有这几个部分：

1.当前路径
2.文件管理器（类似Windows下的操作，可以使用鼠标左右键的菜单。当前没有创建任何文件和目录，所以为空）
3.新建一个终端窗口

4.3 Linux常用命令行及其用法：

点击“终端”按钮后会新建一个终端窗口，如下图：

在终端窗口可以输入命令行来操作实例，常用命令行如下：

常用文件操作命令
1. cd #导航到指定路径
2. dir #列举当前路径下所有文件和文件夹（含.开头的隐藏文件和文件夹）
3. mkdir #在当前路径下创建新的文件夹
4. cp #拷贝命令
5. mv #移动命令
6. rm #删除命令
7. #所有命令后面加空格--help可以显示关于此命令的详细帮助

环境依赖安装命令
1. apt-get update #更新apt组件安装库（apt-get命令如遇到权限问题需可能要在最前面加上sudo空格，下同）
2. apt-get install #apt方式安装组件包
3. conda install #Conda方式安装依赖包
4. pip install #Pip方式安装依赖包
5. pip check #检查pip环境依赖冲突

常用git命令
1. git clone #克隆远程仓库到本地，如Github、Huggingface等
2. git pull #更新远程仓库到本地
3. git lfs install #开启git大文件下载模式
4. git lfs pull #开始/继续下载lfs大文件

wget下载
1. wget #远程文件下载

aria2断点续传
1. apt-get update && apt-get install aria2 #如果没有安装aria2的话
2. aria2c -c -x 16 -s 16 -k 50M -o #-o后面接 空格 本地文件名 空格 远端下载地址，如果到最后阶段卡进度，可以ctrl+c中断，重新运行，会从断点处继续下载

HF下载
1. pip install "huggingface_hub[cli]" #如果没有安装huggingface_hub[cli]的话
2. huggingface-cli login #某些模型下载前需要用令牌登录HF
3. huggingface-cli logout #下载完毕后登出HF令牌
4. #HF模型库下载命令和参数：
5. huggingface-cli download User/Repo #把https://huggingface.co/User/Repo下的整个项目下载到本地
6. --revision main #只下载main分支（亦可改为下载其他分支）
7. --local-dir #下载到指定本地路径
8. --include #只下载指定文件（不能和exclude参数共同使用）
9.  --exclude #排除指定文件（不能和include参数共同使用）

查看实例储存空间和文件结构
1. df -hl #查看实例储存空间
2. du -hl #查看当前路径下文件大小结构和大小
3. ls -hl #查看当前路径下的文件和文件夹
4. ncdu / #图形化查看实例储存空间，如没有安装该组件，先要运行apt-get update && apt-get install ncdu安装

清除环境依赖安装缓存
1. pip cache purge #清除pip缓存
2. conda clean --all #清除conda缓存
3. apt-get clean #清除apt缓存

1. pkill -f #强制终止进程，比如可以用pkill -f main.py强行终止ComfyUI进程

5. ComfyUI镜像制作示例：

接下来我们演示一下如何从零搭建一个ComfyUI，首先部署一个CUDA基础镜像，部署方式按下图所示操作：

5.1 创建和激活虚拟环境：

实例部署完成并且初始化完成变成运行状态后点击JupyterLab图标（参见4.1章节）进入Jypyter界面。单独的ComfyUI其实可以不用虚拟环境，但是一方面是为了不损坏基础环境，另一方面某些应用或者是应用组合需要不同的虚拟环境，所以我们顺便讲一下虚拟环境的使用方式。

5.1.1 Conda虚拟环境（推荐）：

由于Conda虚拟环境可以在创建时就选择不同的Python版本，适用性更加强，比如基础环境是Python3.12，但是某个应用只能使用最高Python3.10版本，那么在不改变基础环境的情况下，用Conda创建虚拟环境就比较方便了。Conda创建和激活虚拟环境的命令行如下：

Conda虚拟环境
1. # 创建虚拟环境 env_name
2. conda create -n env_name python=3.7  # env_name为你创建新的虚拟环境的名称，后面指定Python版本号
3. # 激活虚拟环境
4. conda activate env_name
5. # 退出虚拟环境
6. conda deactivate #退出当前虚拟环境，不需要指定名称

我们接下来创建一个为ComfyUI准备的虚拟环境。新建一个终端窗口，然后在终端窗口输入：

创建虚拟环境
1. conda create -n comfy python=3.11 #创建名为comfy，python版本为3.11的虚拟环境

在命令行最后输入y+回车表示确认：

等待虚拟环境创建完成：

然后激活新建的虚拟环境，命令行如下：

激活虚拟环境
1. conda active comfy

激活虚拟环境后，如下图所示，可以看到终端窗口提示符最前方已经从（base）变成（comfy），表示当前已经在名称为comfy的虚拟环境下，注意此状态只在当前终端窗口内保持，新建终端窗口不会激活comfy虚拟环境：

5.1.2 Python虚拟环境：

接下来简单说一下Python虚拟环境的创建，命令行如下：

Python虚拟环境
1. python -m venv /path/to/venv #创建名为venv的虚拟环境 /path/to/venv为创建虚拟环境的路径
2. source /path/to/venv/bin/activate #激活名为venv的虚拟环境 /path/to/venv为之前创建的虚拟环境的路径
3. deactivate #退出当前虚拟环境，同样不需要指定名称

接下来举例说明，假设我们已经在/root/路径下克隆了ComfyUI，我们要在ComfyUI目录下创建一个.venv的虚拟环境（Python虚拟环境建议创建在项目路径下面以防搞混，并在文件夹名称前加上.表示隐藏），命令行如下：

创建并激活项目内置虚拟环境
1. python -m venv /root/ComfyUI/.venv #创建.venv虚拟环境
2. source /root/ComfyUI/.venv/bin/activate #激活.venv虚拟环境
3. deactivate #退出当前虚拟环境

由于本指南重点介绍Conda虚拟环境的使用，Python虚拟环境不再演示，请自行操作体验。

5.2 Git Clone ComfyUI：

创建完Conda虚拟环境，接下来实操ComfyUI的安装，但是首先，由于官方的CUDA镜像缺省开机激活py312虚拟环境，这非常麻烦，每打开一个新的终端窗口就会自动进入py312虚拟环境，非常容易混淆，所以我们先删掉这个虚拟环境，首先新建一个终端窗口，然后在新建的终端窗口输入以下命令行：

删除py312虚拟环境
1. conda deactivate #退出虚拟环境
2. conda remove -n py312 --all #删除名为py312的虚拟环境

然后输入两次y+回车确定即可，如下图：

接下来我们进入/root/路径（为什么不用缺省的workspace目录？其实也可以，但是要记住，后面会有大量的命令行操作，root要比workspace少5个字母，会节省后续大量的输入工作量，并且/root/并不是根目录，在/root/下操作并不会搞坏实例！另外从开始帮优云智算制定各项标准开始，所定的规范就是在/root/

安装ComfyUI
1. conda active comfy #进入虚拟环境
2. cd /root/ #导航到/root/目录
3. conda install git #安装最新版的git，安装过程中输入y+回车确认
4. git clone https://github.com/comfyanonymous/ComfyUI #克隆ComfyUI到当前路径/root/
5. cd ComfyUI #导航到ComfyUI目录

以上操作完成后，终端窗口如下图所示，注意最后一行的显示表示当前为comfy虚拟环境下，在ComfyUI目录下：

5.3 安装Pytorch系列依赖Wheel版：

由于某些环境依赖和加速框架需要安装正确的PyTorch轮子（Wheel）版本，而ComfyUI标准依赖安装的是最新的Pytorch非Wheel版本，所以我们先行安装和当前CUDA版本适配的PyTroch轮子版本。首先查询当前实例的CUDA版本，命令行如下：

查询CUDA版本
1. nvcc --version

在终端窗口输入以上命令行后显示如下，红框内显示的就是当前CUDA版本：

打开页面后显示如下图：

假设我们要安装PyTorch2.71，那么往下翻页找到v2.71，并复制Wheel下方CUDA12.8对应的安装命令：

然后在终端窗口黏贴命令并回车：

安装torch2.71+cu128
1. pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu128

开始安装，如下图：

安装文件比较大，耐心安装完毕后在终端窗口输入以下命令查看安装后的Torch版本：

查看pip已安装依赖列表
1. pip list

翻页找到torch安装项，如下图所示：

可以看到已安装了2.71版的torch、torchaudio和torchvision对应CUDA12.8的轮子版本以及与其适配的triton。

5.4 ComfyUI标准依赖的安装：

接下来安装其余的ComfyUI依赖即可，命令行如下：

安装ComfyUI标准依赖
1. pip install -r requirements.txt

在终端窗口输入以上命令行会开始批量安装依赖，时间较长，请耐心等待安装完毕，如下图：

安装完毕如下图所示：

5.5 启动ComfyUI并开启防火墙端口：

接下来我们启动一次ComfyUI试一下，命令行如下：

启动ComfyUI并开启远程监听
1. python main.py --listen #由于是在云端开启ComfyUI服务，需要加上--listen参数以开启远程监听，否则本地无法访问

在终端窗口输入以上命令行，启动完成后显示如下，IP地址为0.0.0.0表示已开启远程监听：

我们接下来复制浏览器标签栏的地址，并且打开一个新标签页并黏贴地址，然后将端口8888修改为8188并删除之后的字符，如下图所示：

但是我们会发现网页打不开，这是因为实例的防火墙8188端口没有打开：

现在回到实例列表页面，点击更多操作按钮，然后点击配置防火墙：

在弹出的页面点击编辑防火墙规则：

在新打开的页面点击添加规则按钮：

在弹出的窗口中的端口处填入8188，然后点击下一步按钮：

再点击确定按钮：

可以看到防火墙规则中已经添加了8188端口：

然后回到之前无法打开的页面刷新一下，就可以看到ComfyUI主界面了：

5.6 安装插件（自定义节点）：

由于从Github安装的ComfyUI缺省没有安装任何插件，我们先要手动装一下最主要的Manager插件，命令行如下：

安装Manager插件
1. ^C #在运行ComfyUI的终端窗口按组合键ctrl+C终止ComfyUI
2. cd custom_nodes #导航到自定义节点目录下
3. git clone https://github.com/Comfy-Org/ComfyUI-Manager #从Github克隆Manager插件到自定义节点目录
4. cd ComfyUI-Manager #导航到Manager插件目录下
5. pip install -r requirements.txt #安装Manager插件所需的依赖环境

上述命令行执行后效果如下：

安装完毕后，请注意当前是在红框所示的路径下：

安装完毕后，使用命令行导航到ComfyUI目录下，再次运行ComfyUI，命令行如下：

回到ComfyUI目录并再次运行
1. cd /root/ComfyUI #导航到ComfyUI目录
2. python main.py --listen #运行ComfyUI

启动完成后可以看到已经成功加载Manager插件：

然后再次回到ComfyUI的浏览器标签页并刷新，就可以看到已经安装了Manager插件：

5.6.1 通过manager界面安装方式（基本方式）：

安装完Manager就可以在Manager界面安装其他插件了：

找到所需插件点击install按钮，安装完成点击Restart按钮重启ComfyUI即可，这是ComfyUI插件最基本的安装方法，这里不再过多介绍！

5.6.2 终端命令行安装方式（推荐）

某些插件在Manager内找不到或者无法安装，就要使用终端命令行方式手动安装，命令行如下：

使用终端命令行方式手动安装插件
1. cd /root/ComfyUI/custom_nodes #导航到自定义节点目录
2. git clone https://github/user/ropo #克隆github某repo插件到自定义节点
3. cd ropo #导航到某ropo插件目录下
4. pip install -r requirements.txt #安装某repo插件所需的依赖环境，如果需要安装依赖的话

5.6.3 自行上传（不推荐）

以上方法都无法找到或者安装的插件可以打包为zip格式压缩包后手动上传到/root/ComfyUI/custom_nodes/，然后用unzip命令解压缩：方法是把本地压缩包拖曳到Jupyter文件管理器custom_nodes目录下，等待上传完毕后，执行以下命令行（假设压缩包名称为111.zip）：

1. apt-get install zip unzip #安装zip和unzip模块，如果没有安装的话
2. cd /root/ComfyUI/custom_nodes #导航到自定义节点目录
3. unzip 111.zip #解压111.zip

但是此种方式只建议临时使用一下，后续会由于该插件无法在线更新而导致ComfyUI本体更新后失效！

5.7 模型下载：

接下来讲一下在实例中下载模型的方法：

5.7.1 使用软链接调用共模型库中的模型（推荐）：

优云智算的实例缺省挂载了公共模型盘，路径为/model/，见下图：

Linux下的软链接相当于Windows下的快捷方式，每个软链接大小只有十几K，使用软链接来调用公共模型盘的模型可以极大地节省实例空间，进而节省储存费用，是在优云智算平台使用模型的首选方式。下面来介绍我编写的slink对话式软链接创建脚本的使用方式：

首先我们从Github克隆slink项目，命令行如下：

克隆slink对话式软链接创建脚本项目
1. cd /root/ #导航到root目录
2. git clone https://github.com/AdamShuo/slink #克隆slink项目

在终端窗口执行以上命令行以后会在/root/下创建/slink/子目录，目录结构如下图：

这样以后就可以在终端窗口任意路径下使用以下命令行调用该脚本：

调用软链接创建脚本
1. bash /root/sl.sh

执行脚本后会有三个选项，可以根据使用需要选择：

软链接类型选择
请选择要创建软链接的对象类型：
1. 目录 #为整个目录创建软链接，优点是会自动同步源路径下所有改动，缺点是目标路径是只读属性
2. 文件 #为单个文件创建软链接，优点是灵活，缺点是需要一个一个创建软链接
3. 源路径下的所有文件和文件夹 #为原路径下的所有文件和文件夹递归创建软链接，优点是可以批量操作并且目标属性可读写，缺点是无法同步原路径下的改动

下面我们用实际操作来演试一下：
假设我们要为以下单个文件：
/model/HuggingFace/Comfy-Org/FLUX.1-Krea-dev_ComfyUI/split_files/diffusion_models/flux1-krea-dev_fp8_scaled.safetensors
创建软链接到：
/root/ComfyUI/models/diffusion_models/
我们先在Jupyter文件管理器里导航到这个文件，然后右键点击这个文件，在弹出的右键菜单中选择复制路径，如下图：

然后在终端窗口输入以下命令行：

对话式操作
1. cd /root/ComfyUI/models/diffusion_models #为了后面操作方便，先导航到目标路径，也可以用Jupyter的文件管理器导航到目标路径，然后再新建一个终端窗口，此时打开的终端窗口就已经导航到目标路径了，下同
2. bash /root/sl.sh #调用软链接创建脚本
3. #在对话提示中输入2+回车选择文件模式
4. /model/HuggingFace/Comfy-Org/FLUX.1-Krea-dev_ComfyUI/split_files/diffusion_models/flux1-krea-dev_fp8_scaled.safetensors #黏贴刚才复制的源路径，如果路径最前方如果没有/，需要连续点键盘左箭头键，将光标移动到 最前面，手动补上）
5. #输入目标路径，由于之前我们已经导航到了目标路径，此处可以直接回车确认，否则需要填写完整路径后再回车
6. #文件型软链接创建完成

为了操作方便，可以在浏览器上复制一个Jupyter的标签页，分别显示源路径和目标路径以方便复制完整路径！
目录型和递归式软链接的操作方式和以上相同，只是要注意：源路径的格式应该以目录名加/结尾，而不是文件名！

5.7.2 直接从模型站下载：

自行从模型站下载模型的命令参见4.3章节的git、wget和aria2命令行，但是除非是公开模型站没有的自有模型和小模型，不建议使用此种方式，因为会使实例和镜像容量超标而产生额外的费用。如果需要使用公共模型盘尚未收录的模型，可以将Huggingface或者魔搭上的模型地址提供给管理员，由管理员下载到公共模型盘再使用软链接调用。

5.7.3 自行本地上传：

可以在Jupyter页面的文件管理器拖曳上传本地的模型文件，但是同样不建议使用此种方式，除了容量的原因，更重要的是本地上传云端的速度不稳定以及容易使文件不完整！

5.8 启动脚本创建和编辑：

为了实现开机后自动启动ComfyUI（或者其他应用），需要在/start.d/目录下创建一个可执行的bash脚本，如下图所示：

首先在Jupyter文件管理器导航到/start.d/目录下，然后右键点击空白处，在弹出的菜单中选择新建文件，再右键点击新建的文件，在弹出的菜单中选择重命名，将文件改名为comfyui.sh，再双击该文件打开，在文件中添加以下内容：

使用Conda虚拟环境的情况
1. source /usr/local/miniconda3/etc/profile.d/conda.sh #挂载Conda主环境，否则无法激活虚拟环境
2. conda activate comfy #激活comfyui虚拟环境
3. cd /root/ComfyUI #导航到ComfyUI安装路径
4. python main.py --listen #启动ComfyUI并监听远程端口

使用Python虚拟环境的情况
1. source /root/ComfyUI/.venv/bin/activate #激活.venv虚拟环境
2. cd /root/ComfyUI #导航到ComfyUI安装路径
3. python main.py --listen #启动ComfyUI并监听远程端口

按组合键ctrl+s保存文件后，打开终端窗口执行以下命令行：

赋予脚本执行权限
1. cd /start.d #导航到自启动脚本目录
2. chmod +x comfyui.sh #赋予脚本执行权限

这样自启动脚本就创建好了，其他应用的自启动脚本请自行修改自启动脚本的内容。

5.9 重启实例验证自启动是否有效：

接下来回到实例列表点击1.更多操作按钮，然后点击2.重启，确认后等待重启完毕，再次刷新ComfyUI浏览器页面验证自启动脚本是否有效。

6. 制作私有镜像和发布社区镜像：

6.1 制作私有镜像：

在验证自启动脚本和ComfyUI应用正常启动后，在实例列表点击更多操作按钮，然后选择制作镜像：

在弹出的页面填写相关信息，然后点下方的蓝色+号：

选择ComfyUI的8188端口后点击立即制作：

在弹出的菜单选择查看详情跳转到镜像列表：

等待状态变成可用，表示镜像制作完成：

此时可以回到实例列表关闭实例以节省费用！

6.2 部署私有镜像以验证是否有效可用：

现在回到镜像列表点击部署实例，选择规格（参见3.2章节）以后等待部署完毕，验证自启动脚本和ComfyUI正常启动后，即可在实例列表的更多操作中删除通过本镜像新建的实例了！

6.3 发布社区镜像并等待审核通过：

接下来点击主界面右上角的发布社区镜像按钮：

填写相关信息并上传镜像封面以后点击下一步：版本设置按钮：

接下来选择刚才制作的私有镜像，填写镜像版本号（注意格式必须为v*.*），版本详细描述（比如本版增减的内容和功能等），选择卡型（注意排除不可运行的卡型，可能需要多次部署私有镜像来测试），框架信息等：

然后往下滚动页面，特别要注意勾选支持自启动选项和检查ComfyUI的端口是否加上，然后点击下一步：撰写README继续：

最后填写完README镜像使用说明后（必须填写，否则过不了审核），点击立即发布，如果需要调整可以点击上一步返回修改：

接下来点击右上角头像，再点击创作者中心，等到审核通过即可：

6.4 部署社区镜像以验证是否有效可用：

审核通过以后，强烈建议在社区镜像找到自己发布的镜像并且部署一次以确认一切正常，此时就可以删除原始实例和私有镜像以节省存储空间和费用了！

6.5 社区镜像的版本升级步骤说明：

通过部署自己发布的社区镜像然后升级修改以后，保存为私人镜像，然后在创作者中心相关镜像下点击新建版本，按6.3-6.4章说明再操作一遍即可：

7. 推广已发布的镜像以获取推广收益：

在镜像社区找到自己发布的镜像（其实也可以推广别人的镜像），然后点击进入镜像主页，点击分享镜像按钮即可生成带有自己推广ID的镜像主页链接，并自动复制到剪贴板，然后就可以在各种媒体通过视频或者图文方式推广自己的镜像并获取推广收益了！具体的推广收益细则请点击以下链接：https://www.compshare.cn/promotion (opens in a new tab)

功能概览