Antes de entrar en el árbol: capturar el caso
Conserve la configuración antes de cambiarla. Una captura útil no es una imagen de la interfaz: es un registro que permite reconstruir el entorno y la carga.
- Entorno:
sistema operativo, acelerador, controlador o backend, memoria instalada, RAM, Python, PyTorch y revisión de ComfyUI. - Carga:
hashes del flujo y los modelos, prompt, semilla, dimensiones, lote, pasos, sampler, scheduler y formato. - Inicio:
comando exacto y variables de entorno que puedan afectar a la memoria. - Fallo:
mensaje completo, fase en que ocurre y si la ejecución produjo o no el resultado definido.
Árbol de decisión por etapa del fallo
A. ComfyUI no llega a iniciar o no reconoce el acelerador
Deténgase antes de aplicar ajustes de memoria. Compare plataforma y acelerador con los requisitos oficiales actuales. Un problema de compatibilidad no queda demostrado ni resuelto por copiar parámetros de otro equipo.
Siguiente evidencia: versión, backend detectado, mensaje de inicio y ruta oficial compatible.
B. El fallo aparece durante la carga
Conserve los hashes y nombres de archivo, pero no atribuya el fallo únicamente a la capacidad anunciada del dispositivo. Reinicie con la línea base documentada y guarde el mensaje completo. Si evalúa --cpu, trátelo solo como vía de compatibilidad.
Siguiente evidencia: mismo flujo y archivos, una sola condición distinta, resultado definido.
C. La carga termina y el fallo ocurre durante muestreo o decodificación
Marque la fase exacta. Seleccione una condición que la página oficial de resolución de problemas siga documentando. El protocolo admite comparar la línea base con --lowvram, --preview-method none o una reducción de carga declarada, pero no presupone su efecto.
Siguiente evidencia: reinicio entre familias y una única modificación por comparación.
D. La ejecución termina, pero las lecturas de memoria no coinciden
No combine métricas. torch.cuda.max_memory_allocated() cubre tensores controlados por el asignador CUDA de PyTorch. El pico de una herramienta del dispositivo es muestreado. Para NVIDIA, registre el intervalo de nvidia-smi y sus salvedades.
Siguiente evidencia: dos columnas, nombres y unidades explícitos, sin sustituir una métrica por la otra.
E. Algunas repeticiones terminan y otras fallan
La variación es parte del resultado. El protocolo mantiene todas las muestras, informa del rango y la tasa de éxito y marca una familia como incompleta si no alcanza las repeticiones satisfactorias requeridas.
Siguiente evidencia: registros de cada intento y criterio de salida idéntico.
Cuándo detener la prueba
Deténgase si la compatibilidad todavía es incierta, si el flujo o los modelos cambian entre ejecuciones, si faltan hashes o si varias condiciones se modificaron a la vez. Continuar produciría números que no pueden atribuirse a una causa concreta.
La metodología pide un calentamiento no publicado y cinco repeticiones medidas por familia, reiniciando ComfyUI entre ellas. “Reproducido” requiere una segunda ejecución limpia con la misma categoría de resultado. Esas reglas son criterios de evidencia, no objetivos de rendimiento.
Conclusión permitida: el árbol identifica la próxima observación. No certifica que una GPU por precio, marca o capacidad vaya a ejecutar SDXL.
Fuentes primarias y recursos controlados
- Requisitos oficiales del sistema de ComfyUI — primera comprobación de compatibilidad.
- Resolución oficial de problemas de ComfyUI — opciones actuales de memoria y compatibilidad.
- PyTorch:
max_memory_allocated— alcance del pico del asignador. - NVIDIA System Management Interface — muestreo y salvedades de información del dispositivo.
- Metodología de VRAM baja de 42 UK — protocolo y estado de cero resultados válidos.
Elegir la guía correspondiente
Para aprender a establecer una línea base, use la ruta para principiantes. Para diseñar la tabla de medición y las etiquetas de evidencia, use el diagnóstico basado en mediciones.