AI前沿技術乾貨教程 【無廢話乾貨】一口氣徹底搞懂Nunchaku超級加速模型詳細用法

东方之韵
12粉絲
45 次觀看·2026年3月29日
AI 生成·可能包含錯誤
如何讓AI出圖既能夠保證很高的質量又能快
同時我們顯存佔用還要低
讓低配置的電腦也能夠輕鬆的跑起來
這個就是我們今天要給大家去介紹的
Lunchakood的加速技術
像我的電腦是5090的顯卡
跑一張1020×1020的圖
甚至只需要兩秒鐘
這裏跑了很多
基本上都是兩秒鐘
有時候我們切換了模型
重新去加載模型它時間會長一點
而且它也允許我們去加載Lora
加載ControlLED
這個技術是非常非常的牛
推薦所有的電腦配置不是很高的同學
都可以去體驗嘗試一下
今天我也給大家去整理了一個非常詳細的
X-Mind的文檔
讓大家能夠去把Lunchakood相關的技術
徹底的掌握了
首先給大家說一下插件的安裝
插件的安裝它有一個網址
跟Conflare常規的插件安裝方式
基本上都是一樣的
進來之後它有一個相關的介紹
主要就是我們要去獲取到這個地址
那麼我們安裝方式就是進到我們的
Conflare的電源協載盒包裏面
然後進去之後找到CastNodes
然後在這個裏面右鍵
在中間打開
然後去Git Clone
Git Clone的前提就是你的本地
然後裝了Git軟件
然後你就可以在終端命令行裏面
去敲Git Clone
然後去輸入後面的我們的插件的地址
在這個裏面
Hold然後下拉就會有
因爲我這裏裝了插件
它自動的會幫我補全Git Clone
前面這些算代碼
如果說你沒有裝的話
應該就是在這裏
直接去複製算代碼
然後把它粘貼到你的本地的這個裏面來
然後就裝機
然後就敲擊鍵盤上的Enter
然後就可以去開始安裝了
然後安裝的時候要注意一下
你要能夠連接國外的網絡
這個是一個前提條件
如果說你裝不好的話
你可以等我們的整合包
我們整合包之後會把它裝進去
然後重新上傳一份到我們的軟件裏面去
那麼這個是它的插件本身安裝
安裝好了之後
你在我們的Configure的CastNodes裏面
就會有一個叫Nunchaku的文件夾在這
那麼你有這個文件夾之後
你還不能直接去運用
它要裝它的依賴
它的依賴還比較難裝
它的requirements裏面寫了
這是它的一些requirements依賴
但這個裏面沒寫完
它還有一個Nunchaku獨立的一個WHL的
我們叫輪子的文件
我們首先來裝一下這個裏面的requirements
這個裏面的requirements
就是我們在我們的科建裏面
給大家去提供了一個叫
這個環境依賴安裝器的
然後你在這裏面去雙擊一下它
打開之後
首先你要設置一下你的Python路徑
我們在基礎課裏面給大家去講過的
這個應該是大家有印象的
如果說還不知道具體的用法
可以再回去複習一下我們的基礎課
然後在這個地方選擇requirements的文件夾
那麼找到我們這個Nunchaku
文件夾的路徑把它複製過來
或者你直接在這裏去找一下
選擇我們的Nunchaku這個文件夾
然後在這個文件夾裏面就有一個requirements
就你注意一下
你點上這個是configure nunchaku的
找到requirements然後打開
然後點擊開始安裝
因爲我這裏已經安裝過了
所以我在
所以我這裏就不去重複安裝了
那麼這個只是把它的requirements
就是它的依賴裝好了一部分
它還有一個特別的依賴
我在這個x-man裏面標註了
它有一個叫輪子
就是whl的文件
那麼它有單獨有個頁面
打開給大家看一下
如果說你找不到這個頁面的話
你可以自己在Google裏面去搜一下
就是nunchaku
然後whl這個文件
它發佈了很多的版本
然後這個版本你怎麼去選擇呢
nunchaku它後面帶的
是nunchaku依賴的版本
那麼後面touch還有什麼cp
這個只是python的版本
然後還有就是你的電腦是windows
是linux的系統
我們點擊load more files
它會展示出來所有的
這個目前最新的話
就是nunchaku 0.3.1
然後這個touchpython的版本
你要打開你的config去檢查一下
我們在config的設置這裏面
我們進到config的頁面裏面來之後
點到設置往下滑
找到關於
然後這裏面就有一個
首先你的python的版本在這
我的python版本是3.12
我的touch的版本是2.7
那麼我就去找touch2.7python3.12了
然後nunchaku我要用最新的版本
0.3.1
那麼touch2.7
然後python是3.2的
然後要去找windows的
它每一個版本
它還分了windows
和linux
那麼你去找到它下載就可以了
好下載下來之後
你要怎麼安裝
我打開給大家看一下
比如說我的這個地方
我下載下來之後
就放到AI盤裏面
對吧
在這
那麼最簡單的方式
就是你還是用環境啓動器
就是我們依賴管理器
這裏選擇whl的文件路徑選擇它
然後我放在這裏面
你點擊它選擇它打開
然後開始安裝
就可以安裝好了
因爲我這裏安裝過去安裝
它也是重複安裝
還有一種方式
如果說你沒有環境依賴器的話
它手動安裝方法的話
我也在這給大家寫了
它是一串代碼
這一串代碼的話
我到時候也放到科建裏面
就是點斜槓python
然後後面這一串
然後你把它複製
複製完了之後到install
然後你把它粘貼進來
然後我們打開這個文件夾
然後我們能夠看到python
inbed的文件夾的位置
我們在這裏右鍵在終端中打開
然後打開終端之後
我們再來ctrl v粘貼一下
就是把我們剛剛那串代碼對吧
install
然後install後面再打一個空格
注意一下格式不要錯了
然後你再去輸入你的whl輪子
它這個路徑
那麼這個路徑你就直接絕對路徑
右鍵去複製文件地址
然後粘貼進來
ctrl v粘貼進來
粘貼進來之後你按enter
因爲我這裏裝過了
它也不會重複就安裝
它會直接告訴我
這個地方已經存在了
它一下就裝好了
如果說你沒有裝過的話
它就會給你裝一下
好這樣子裝好了之後
你的浪恰庫就能夠去正常的去使用了
那麼我們的插件裝好了之後
插件它是能夠正常打開去使用了
但是我們要運行插件
它的工作流
它還需要一些必要的模型
這裏我把模型的鏈接也給它去整理好了
因爲這個模型它有很多
就是有些我其實也不是特別的常用
但是如果說你有需要的話
你可以進到網址裏面去進行下載
它有一些常見的格式
大家注意看一下
我在這裏先提前給大家說一下
就是如果說是50系的顯卡
它用的是FP4的量化的格式
如果說是40系30系或者20系的顯卡
你用的是int4的這種量化格式
所以它模型你用的顯卡不一樣了
會稍微有點區別
這個顯卡的型號
就是你可以自己在比如說
我們的任務管理器裏面
去查看一下你的顯卡的性能
然後去找到你的GPU
然後看一下你GPU
像我這是5090的
它是50系的就用FP4的
它的文件的命名上面
它也是有顯示的
比如flux.edev
它顯示的是int4的
那麼這個就是50系是沒法用的
你要用到40系30系20繫上面去
有些它沒有去專門備註
它是int4還是FP4的
它就是共用的
然後你這個地方看到很多FP4的
然後很多int4的
就是它這樣子去分的
比如說要FP4的flux.dev
這個模型你就點這個
然後點進去
然後點了files and version
裏面去下載
然後這裏面去下載的應該是這個
下載這個模型
然後就進去了
這裏我也提前準備了一些常用的
因爲它這裏面還有很多其他的模型
有些模型我也不是特別的常用
我把最常用的幾個模型給拿去下載了
在我們的科技裏面
我會給大家去準備一些模型
一個是T5的
T5的它統一的都是用的int4的模型
這個T5的模型你下載下
之後放到我們的
百合包裏面的
進到我們的modos
然後進到clip這裏面
就把它放到這個位置
它原版的FP4-6的T5的模型是9.11G
而它int4的模型是2.78G
文件小了很多
但它的質量基本上沒有太大的損失
那麼另外一個就是我們的
浪恰庫裏面的unit模型
那麼unit模型我是下載了6個
實際上你每個人根據你電腦的型號
你只需要去下載三個
有三個是FP4的
有三個是int4的
就是我們的flux
最常用的
flux它雖然發佈了很多模型
但是目前在我們的工作流裏面
主要能夠去用起來的模型
其實主要就是三個
一個是flux-dev
一個是flux-fill
還有一個是flux-context
那麼你如果說是50系的顯卡
你就下FP4的
如果說你是40系30系的
你就下int4的
然後我把這些模型
也放到我們的科技鏈裏面
然後你可以把它下載下來
就放到我們的models的unit文件夾裏面去
這裏面我單獨分了個文件夾叫浪恰庫
然後這樣子去分
我把它都放到裏面去了
但是你們如果說是自己使用的
你不是給別人講課
你不用去下載那麼多的模型
你就下載一半的
就是你要麼下FP4的
要麼下int4的就可以了
這些模型有了之後
你就可以去正常的去使用這個工作流程
我們打開這個工作流
給大家去簡單的說一下
好 我們的模型裝好之後
我們就可以回到我們的config
裏面來進行一個操作流程的講解
我們這些工作流
其實在我們的config
浪恰庫這個插件裏面
它其實有一個文件夾叫
example workflow
就是我們進到config
浪恰庫這個路徑裏面去
然後點進去
它其實有很多很多的工作流
但是有些工作流經過我們實測
它其實效果不是特別好
我們講一下最常用的幾個工作流
那麼最常用的幾個工作流
我已經把它放到我們的科技鏈裏面
把它拎出來了
那麼第一個就是浪恰庫
flux.edev這個
我們把這個工作流拖進來之後
要稍微注意一下
就是它其實整個流程裏面
跟我們的常規的
modem的config的工作流不一樣的
就前面這三個節點
就是這個
還有一個這個
這個它其實用常規的那個也可以
首先是它的unet加載器
它變成了浪恰庫fluxdata loader
就是這個
那麼這裏面我們就選我們的模型的路徑
這裏面我單獨分了個文件夾
就是叫浪恰庫
然後進去之後
打到flux.edev
那麼它前面有一個svd-fp4-r32
後面的就是flux.edev這個模型
然後一定要選
跟你的電腦的版本匹配的
因爲我是50系的卡
我就用fp4的
然後如果說你是40系30系
你就選int4的
選擇下面這個svd-int4
然後flux.edev
然後它是可以去加載loader的
它的loader必須要用
浪恰庫flux.edevloader
才能去加載
然後這裏它是用了一個flux.eturbo
這個模型
這個模型其實是在我們的文件夾裏面
應該是叫功能
這裏面有個叫
我們前面給大家介紹過
叫達裏媽媽的
加了這個模型
它的步數可以變成8步
就是我們在採樣的時候
這裏面應該有一個步數
它用的是4D採樣器
那麼它的步數應該是在這裏
基本調度器的步數就可以改成8步
同時它還可以串聯一個功能性的loader
它這個是串聯了一個吉卜力的loader
這個loader的話
就是在hackingface上面
有一個這樣子的loader
這個loader的話
我也把它提前下載了
放在我們的科技裏面
有一個loader
loader的位置你就放到我們的正常的
就是models
然後loaders裏面去就可以了
找到loaders
然後放到flux這個文件夾裏面去的
然後你就可以去指定一下
你這個loader的路徑
flux
然後找到我們的吉卜力
應該是這個loader
然後它就可以正常的去使用
然後後面它就是一個很常規的
flux的基本的工作流
它其他都是一樣的
然後vae這裏我們選擇flux vae
然後text coder
這裏它其實用的就是我們正常的文件
其實也可以去換
它這裏有一個叫awqint4的flux t5 xl
就是你可以去換成那個
你用model的這個也可以
我們一般用的比較多的其實是
這個t5 fp8的
然後再加一個cliff l
我們先這樣子來跑一下
我們來點擊運行
它就可以去跑了
第一次運行它會稍微的慢一點
因爲它去加了這個模型
但是後面跑起來就非常非常的快
這次跑了我們看一下這個時間5秒鐘
但是你再去點第二次
我們把這個開在這點擊運行
基本上就是兩秒鐘像我這個電腦
而且因爲我這裏本身顯存很大
它可能看不出來對顯存的瓶頸要求
因爲我本身是32G的
但是實測就是8G以下的顯存
是完全可以跑得起來的
因爲我之前拿筆記本試過
8G以下的顯存都是可以去跑1024x1024圖
而且是挺快的
它具體的時間我記不得了
反正不會超過20秒
就是8G以下的筆記本都可以去跑就是顯存
這裏你可以隨便去改它的提示詞
比如說移動
現代別墅
山谷
然後我們寫了之後把它翻譯成英文
我們點擊運行
隨便你去換什麼提示詞
它這個質量都挺高的
而且這個地方我們是加了吉卜力的
這個lora它就變成了這種插畫
像這種漫畫這種風格
如果說你不加這個lora
我們看下必把禁用了
我們點擊運行
它也一樣的可以去跑
你關掉一個lora之後
它反而這次會變慢一點
因爲它整個管道發生了變化
再點擊它的話它就會變快
就變成兩秒鐘左右
這個就是非常的快
就是如果說你純文身圖的話
基本上這個時間你點完你寫完提示詞
它基本上就出來了非常的快
好那麼另外一個比較常用的工具流
它這裏面也有一個例子
就是這個lunchaku-flux.edev
然後這後面有一個叫q
就是encoder
就是它應該是量化之後的
text encoder這個意思
把它拖進來
拖進來之後你看到它這裏有一個節點
就叫這個lunchaku-text-encoder-v2
就是它在之前的這個工作流裏面
它這裏面其實後面加了個括號
就是說這個節點它其實已經棄用了
如果說我們要用這個
它這個lunchaku
就是它這個量化之後的這個text encoder
就是我們要用這個節點
它應該是比較推薦的
這個節點裏面它就是把我們的這個t5
換成了這個awq-int4這個模型
這個模型就是我們在本地的文件夾裏面
就是隻有在這個biff這裏面
就這個文件只有2.78個g
而原版的這個是9.11個g
哪怕fp8的也有4.8個g
這個會更小
這個對顯存的要求會更低
你電腦的配置如果說實在卡
你可以把這個text encoder
也把它去換成這個更低的版本的
然後下面的這個地方
這個lunchaku的這個flux-dict-loader
我們選擇對應的版本
然後這裏是50系的選fp4的
flux.1.5
如果說你是40系30系
你選擇這個int4的
在這裏選擇它就可以了
然後它這次它爲了單獨去展示這個功能
沒有去加loader
這裏應該是用了20步
如果說我們加了8步的loader的話
只用8步就可以
這裏我們就用20步來跑一下
這裏flux的vae
這裏忘了去選
因爲我的路徑
我稍微的按那個文件夾去選一下
我們來看一下
這裏我們直接跑20步
看一下它要多長時間
6秒鐘左右
但是這個就是我發現它對文字
不是特別的敏感
有時候會有些這種小瑕疵
就是凡是加速技術
它其實本質上都是
會對你的質量造成一點點的損失
就是說盡可能的去接近這個原版
但是肯定會有損失的
這裏它的這個
字對吧
就沒有寫出來
long charge is fast
這個上面寫的不是特別的清楚
我再運行一次看一下
但有時候它可能有還可以
這個就是沒有原版的那麼穩定
這個是肯定的
但這個就是在質量和速度對吧
和這個電腦硬件之間去取得一個平衡
如果說你的電腦硬件確實帶不動對吧
那你可以去用這個
int4量化之後的這個
它有些又還可以
比如說我們把前面這個提示詞複製過來
看一下我們的這個建築這個場景
如果說你不去寫字的話
可能對這個它的這種準確性要求就沒有那麼高的吧
比如我申請一個環境對吧
然後怎樣都可以
但是如果說你要寫字的話
你可能用它這個默認的這個
可能就是用這個
我們用FP8的這個應該會更好一些
比如我們這裏切換回FP8的
我們再把這個提示詞再把它改回去
來看一下它的提示是怎麼寫的
拖一個進來
假如說我們用FP8的
我們再拖好幾張
看一下它這個能不能穩定的出來
如果說是FP8的吧
直接就出來了
如果你用FP16的
當然肯定會更穩定
這是FP8的
基本上我們出了兩張都沒有問題
再出一張三張的吧都沒有問題
但是我們剛剛用的是int4的
你會發現有些它就出不來
有些有一定的這個概率出不來
這個文字它這個
它對整個你這一段提示詞的理解啊
都會稍微的降低一點
但是它出頭的質量
還有這個速度呢
就是要看自己怎麼去平衡
這個是關於它這個text encoder
然後還有呢
就是它可以跟我們的這個
ControlNet去串聯
我們把前面這些關掉
雖然說我們還沒有去着重的去講
我們Flux裏面的ControlNet
這裏面有兩個工作流
一個是ControlNet的幽靈Pro2
這個打開給大家看一下
就是它其實沒有什麼特別的
因爲它這個工作流啊
就前面的是FluxDataLoader
然後呢我們就接到這個後面去了
那ControlNet的模型加載進來之後呢
它其實就是在我們的這個
這個中間去串的
就是我們的
整個這個流程裏面
對吧
就我們的Clip
它往後去串
這個中間
它沒有任何新的這個節點
就是我們直接串到這個中間就可以了
這個跟我們常規的去使用ControlNet的方式
是沒有任何的區別的
就是我們看到這個工作流
我們把它稍微的捋一下
就是它這個條件對吧
後面我們直接去給它去接一個這個ControlNet
就是這個條件和這個條件對吧
就是進到我們的基本引導器裏面
在這裏就進了之後了
它也可以直接接到我們的Flux的引導之前
這個當你隨便串到哪都可以
就是它從提示池
就直接串到我們ControlNet
或者呢你從這個Flux引導之後
再去串這個ControlNet都可以
它就是串聯的
它就從這個提示池
它是串在這個中間的
本質上它沒有去加任何的這個新的這個節點
它就用了
我們的
Configure原生自帶的這個節點
就可以去解決這個事情
然後呢
去加對應的ControlNet
那麼它這裏給了兩個4D的工作流程
一個是ControlNet幽靈Pro 2.0
ControlNet實際上我測試下來
還不是特別的穩定
當然如果說大家有需求
我們也可以單獨給它去講一下
在實戰裏面我們用的不是特別的多
另外一個呢
就它舉了一個例子
是這個Upscaler
這個
其實本質上也是一樣的
它是在這個
我們的提示池這裏去串
串那個
它其實只需要一個
正面條件往後去接就行了
正面條件呢
但是這個地方它必須要有一個輸入的接口
所以它這裏加了一個空的這麼一個節點過來
但它這裏其實也沒有寫提示池的吧
它都給你空着的
就是給你告訴你
這樣子去用就行了
這個呢就是大家有一個這個概念就行了
如果說你要用到ControlNet
自己去串就行了
這個呢我們在ControlNet的章節
會單獨給它去講
怎麼去用ControlNet相關的這個知識
那麼另外還有兩個呢
一個是FluxFill
還有一個是Flux.1的這個Context
這兩個呢它也是基本上是一樣的用法
就是我們的這個Unet
加載器這裏
就是如果說我們是FluxFill這個
工作樓的話
就是在這裏去上傳圖件對吧
那麼FluxFill那個本身是一樣的
比如說我這裏去隨便找一張圖
好 比如說我這裏隨便拖一張圖進來
然後呢我們在這裏右鍵就可以Open in Mask Editor
然後呢比如說我給它這兒去畫一下對吧
然後給它帶一副墨鏡
然後這裏就是它是對這個圖像的遮罩
做了一個設置
就是去做了一個縮放
它它的寬度和高度都縮放到1024了
其實這個遮罩啊可要可不要
就是我們可以不用去
不用去去縮放它
或者呢你按照這個
我們的這個比例啊去把它整體的縮放一下
它這個節點用的不好啊我覺得
一般我們用的比較多的是這個
就是用這個Aspect
這樣子按這個比例
Aspect應該是這個
按寬高比縮放
那你就把這個圖像和這個遮罩的吧一起接過去
然後你的圖像的最長邊縮放了多少
這樣子就定好去縮放
不然那個小東西指定這個尺寸不好指定啊
縮放這邊選擇Longest
比如我選擇到1536吧
最長的邊縮放到1536
然後呢這個適應選擇Crop
然後嗯這裏啊
它的這個Clip你看到
它在後面的工作流裏面對吧
它的Clip還是用的原版的啊
Fp16的啊
就是他也知道
就是這個Clip啊
如果說你去啊量化之後效果會打折扣吧
但是我們這裏爲了兼容我們的這個
大多數人這個電腦的訓練
我們可以選T5 Fp8的這個
然後Clip L 然後呢Flux
然後呢主要就是這個Unet的加載器這兒啊
這兒啊就是這個Nunchaku Flux Data Loader
那我們這裏是Fail這個工作流吧
我們可以去把它改成這個Fail的這個模型
找到啊
SVD Fp4 Flux.E Fail這個模型
然後呢把它去切換一下
然後其他的就是一樣的
把VAE去指定一下路徑
然後呢要去改它啊什麼內容的吧
比如這裏改成一封墨鏡啊
Sunglass
ok 它這裏很快就出來的吧
這個也也是非常方便的
我們看一下這個運行時間啊15秒鐘
啊第一次彈性還有加載模型的時間
我們再來跑一次看一下
1536的圖在這裏
基本上應該也是幾秒鐘啊就跑出來的
這個也是非常快的
那麼還有一個呢
就是它這個Context的這個工作
Context我們還沒講
但是它的本質上呢就是
給大家說一下
它的本質上就是在這個地方啊
去改了一個這個啊
我們的原版的Context的文件夾啊
這個文件改成我們的Language Query的
這個Context就可以了
它的用法呢我們在後面的課程
專門給大家去講一下Context這個技術
好那麼關於這個Language Query
它的這個技術呢
我們就先給大家去講這麼多啊
其實呢它自己的官方的這個
Example Workflow裏面
它還有很多其他的這個工作
大家感興趣了可以自己去研究一下啊
如果說特別有用的
我們後面再單獨啊
花時間給大家去講解
好那這集課呢就先講到這
謝謝大家拜拜
