Qué significa empezar de forma verificable
“Tengo poca VRAM” no basta para describir un sistema. Una comparación necesita el sistema operativo, acelerador, controlador o backend, memoria instalada del dispositivo, RAM del sistema, versiones de Python y PyTorch, revisión de ComfyUI, flujo, modelos, comando de inicio y variables de entorno que afecten a la memoria. Sin ese contexto, el ajuste de otra persona solo es una hipótesis.
Los requisitos oficiales de ComfyUI son la fuente para comprobar la compatibilidad actual de plataformas y aceleradores. La página oficial de resolución de problemas es la fuente para las opciones vigentes relacionadas con presión de memoria. Si la documentación oficial cambia, prevalece sobre esta página conservada.
Ruta inicial paso a paso
- Comprobar la compatibilidad. Contrastar el sistema operativo y el acelerador con los requisitos oficiales actuales. El precio, la antigüedad o la gama comercial de una GPU no demuestran compatibilidad.
- Guardar una línea base. Mantener fijos el flujo, los modelos, el prompt, la semilla, las dimensiones, el lote, los pasos, el sampler, el scheduler y el formato de salida. Anotar el comando exacto y las variables relevantes.
- Precisar el fallo. Conservar el mensaje de consola e indicar si ocurre durante la carga, el muestreo o la decodificación. Los fallos también forman parte del registro.
- Elegir una sola condición documentada. El protocolo incluye una línea base,
--lowvram,--preview-method none, una reducción de carga declarada y--cpucomo vía de compatibilidad. Antes de probar, confirmar que la documentación oficial actual sigue describiendo la opción. - Comparar antes de combinar. Reiniciar ComfyUI entre familias de ejecuciones y modificar una sola condición frente a la línea base. Varios cambios simultáneos impiden atribuir el resultado.
Dos medidas de memoria que no son equivalentes
Según la documentación oficial de PyTorch, torch.cuda.max_memory_allocated() informa del máximo ocupado por tensores controlados por su asignador CUDA. No representa toda la memoria del dispositivo consumida por el proceso, el entorno de ejecución o el controlador.
Una herramienta del fabricante observa una medida del dispositivo mediante muestras. Para hardware NVIDIA, el protocolo remite a nvidia-smi y exige conservar el intervalo de muestreo y las salvedades documentadas. El pico muestreado del dispositivo y el pico del asignador PyTorch deben publicarse por separado, con nombres y unidades claros.
Cuándo una ejecución todavía no es un resultado
Una imagen terminada no demuestra una optimización general. El protocolo controlado solicita un calentamiento no publicado y cinco repeticiones medidas por familia. También conserva todos los fallos, muestras sin filtrar, mediana, rango, tasa de éxito, registros, hashes de artefactos y la comprobación exacta del resultado.
Una familia con menos de tres repeticiones satisfactorias se etiqueta como incompleta. “Reproducido” se reserva para una segunda ejecución limpia que alcanza la misma categoría de resultado. Incluso entonces, la observación corresponde al flujo y entorno documentados, no a todas las GPU.
Cómo interpretar el siguiente paso
- Si la línea base y la condición candidata fallan en el mismo punto, no hay mejora demostrada.
- Si solo termina la vía de compatibilidad, se informa de ese resultado limitado sin convertirlo en una recomendación de velocidad o calidad.
- Si las repeticiones varían, se muestran el rango y la tasa de éxito; no se selecciona únicamente la mejor muestra.
- Si difieren los picos del dispositivo y del asignador, se revisan sus límites y el muestreo en vez de tratarlos como la misma métrica.
Límite actual: la metodología permite construir una comparación. Sin filas de resultados válidas, esta página no puede clasificar configuraciones ni categorías de hardware.
Fuentes primarias y recursos controlados
- Requisitos oficiales del sistema de ComfyUI — contexto actual de plataforma, acelerador y software.
- Resolución oficial de problemas de ComfyUI — opciones actuales de memoria y compatibilidad.
- PyTorch:
max_memory_allocated— definición de la métrica del asignador. - NVIDIA System Management Interface — consultas, muestreo y salvedades de información.
- Metodología de VRAM baja de 42 UK — contrato completo, plantilla vacía y estado de evidencia.
Continuar sin duplicar la intención
Esta página cubre la ruta inicial. Para diseñar y etiquetar una comparación controlada, continúe con el diagnóstico basado en mediciones. Si ya existe un fallo concreto, use el árbol de decisión de resolución de problemas.