核心目标是：将强大的AI图像生成与处理工作流（ComfyUI + R-ESRGAN）从常见的NVIDIA GPU环境，成功迁移到华为昇腾（Ascend）NPU平台上运行。这是在国产化AI算力生态建设中的一个具体实践，旨在验证和展示昇腾NPU支持复杂AI应用的能力。
面临的主要困难与挑战 迁移过程并非简单的“安装即可”，文档中隐含了几个关键的技术挑战：
软硬件生态差异：昇腾NPU使用自研的达芬奇架构和CANN软件栈，与NVIDIA的CUDA生态完全不兼容。这意味着所有依赖CUDA的库（如PyTorch、TorchVision）都必须替换为昇腾定制版本。 复杂的依赖与环境配置：整个过程极为复杂，涉及从底层Python解释器编译、CANN工具包安装、特定版本的PyTorch-NPU适配，到上层应用依赖的精确匹配。任何一步的版本不兼容都可能导致失败。 算子支持度与性能瓶颈：正如启动参数 --cpu-vae 所暗示，某些模型组件（如VAE解码器）可能在NPU上效率不高或缺乏算子支持，不得不回退到CPU执行，这会成为整个流程的性能瓶颈。文档中的警告信息也表明，一些优化功能（如动态编译）在NPU上尚未完全成熟。
ComfyUI是一个基于节点式工作流的Stable Diffusion WebUI，它通过可视化的节点连接方式，让用户能够精确控制和定制AI图像生成的每一个步骤。与传统的WebUI（如AUTOMATIC1111）不同，ComfyUI采用了完全模块化的设计理念，将图像生成过程分解为多个可配置的节点，为用户提供了前所未有的灵活性和控制力。
通过加载其 .pth 模型文件到 “Load Upscale Model” 等节点，并将其连接到图像处理流程的末端，即可实现对输入图像的超分辨率放大和增强。
export HF_ENDPOINT="https://hf-mirror.com"
huggingface-cli download --resume-download xinntao/Real-ESRGAN:main --local-dir gte-large-zh#安装所需组件
apt update && sudo apt install build-essential zlib1g-dev libncurses5-dev libgdbm-dev libnss3-dev libssl-dev libreadline-dev libffi-dev libsqlite3-dev wget libbz2-dev pkg-config uuid-dev tk-dev liblzma-dev libgdbm-compat-dev curl git -y
#下载源码
wget https://www.python.org/ftp/python/3.11.4/Python-3.11.4.tgz
tar -xf Python-3.11.*.tgz
cd Python-3.11.*/
#检查是否满足所需的依赖关系并使用以下命令优化二进制文件
./configure --enable-optimizations
make -j $(nproc)#安装到系统
make altinstall
#安装pip，后面安装CANN需要（此时没有安装python3.8的pip）
curl -sS https://bootstrap.pypa.io/get-pip.py | python3.11 #修改pip源和安装依赖
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/
pip config set install.trusted-host pypi.tuna.tsinghua.edu.cn
pip3.11 install attrs cython numpy==1.26.0 decorator sympy cffi pyyaml pathlib2 psutil protobuf==3.20 scipy requests absl-py
#安装CANN，下载社区版点这里，注意选择Ascend-cann-toolkit和Ascend-cann-kernels-310p开头的。这里选310p是因为npu-smi info里显示的芯片是310p。
chmod +x ./Ascend-cann-toolkit_8.2.RC1.alpha001_linux-x86_64.run
./Ascend-cann-toolkit_8.2.RC1.alpha001_linux-x86_64.run --install --install-for-all
y
chmod +x ./Ascend-cann-kernels-310p_8.2.RC1.alpha001_linux-x86_64.run
./Ascend-cann-kernels-310p_8.2.RC1.alpha001_linux-x86_64.run --install --install-for-all
y
source /usr/local/Ascend/ascend-toolkit/set_env.sh
pip3.11 install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu
pip3.11 install torch_npu-2.5.1-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whlpython3.11 -c "import torch;import torch_npu; a = torch.randn(3, 4).npu(); print(a + a);"git clone https://github.com/comfyanonymous/ComfyUI.git先安装torch、torchvision和torchaudio
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu
pip3.11 install numpy==1.26.0安装其他依赖工具
pip3.11 install -r requirements.txtcd ./ComfyUI/custom_nodes/
git clone https://github.com/Comfy-Org/ComfyUI-Manager.gipython3.11 -u main.py --listen 0.0.0.0 --cpu-vae
尽管面临挑战，但成功迁移具有重大价值：
技术验证价值：成功证明了昇腾NPU具备支撑复杂AI图像工作流的能力。ComfyUI的节点式流程代表了模块化、可定制的先进AI应用范式，其成功运行是对NPU计算能力和软件栈成熟度的有力考验。 生态建设价值：为更多AI开发者提供了将现有项目从CUDA迁移到昇腾平台的实践范本。文档中详尽的步骤（如特定版本的Python、NumPy、PyTorch-NPU组合）解决了迁移中最棘手的环境配置问题，降低了技术门槛。