因為 venv 只負責隔離環境(pip install 到 local)，沒有管理python 版本的功能，所以用 pyenv 來做。
pyenv 會 create 一個 ~/.pyenv 目錄，所有你需要的 python 版本，然後就可以用 pyenv local 來決定這個位置(folder) 要使用那一個版本。
這樣配合 venv 就可以作到 python 版本管理和 package 隔離。
所以安裝 pyenv 要修改 PATH，讓pyenv/bin/python 優先被執行，才能發揮效果。
pyenv 目前沒有進入 apt repo，所以要自己下載安裝。修改 .bashrc.
This guide assumes you have Python 3.8+ and NVIDIA GPU drivers (CUDA 13.0 or compatible) installed on your system.
1. Navigate to your desired project directory:
Open your terminal and change to the directory where you want to install ComfyUI. If the directory doesn't exist, create it.
1 cd /path/to/your/comfyui_project
2 # If the directory is empty or you want a fresh start, ensure it is empty
3 # If .venv exists, remove it: rm -rf .venv
2. Clone the ComfyUI repository:
This will download all the necessary ComfyUI files into your current directory.
1 git clone https://github.com/comfyanonymous/ComfyUI.git .
3. Create a Python Virtual Environment:
We'll use uv to create an isolated environment for ComfyUI's dependencies.
1 uv venv
4. Install PyTorch with CUDA Support:
This step is crucial for GPU acceleration. We'll use the specific PyTorch build that is compatible with your DGX Spark's CUDA environment (cu129 index).
1 uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu129
5. Install ComfyUI's remaining dependencies:
1 uv pip install -r requirements.txt
6. Download the Stable Diffusion Model:
You need a Stable Diffusion model checkpoint. We'll download the v1-5-pruned-emaonly.safetensors model, which is a standard choice.
First, ensure the target directory exists:
1 mkdir -p models/checkpoints
Then, download the model:
1 wget -O models/checkpoints/v1-5-pruned-emaonly.safetensors https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors
7. Launch the ComfyUI Server:
To make ComfyUI accessible over your network (for tools like Open-WebUI), launch it with the --listen flag. You can run it in the foreground to see output or in the background:
* To run in foreground (for debugging/monitoring):
1 .venv/bin/python main.py --listen
(You'll need to press Ctrl+C to stop it.)
* To run in background (recommended for service):
1 nohup .venv/bin/python main.py --listen > comfyui.log 2>&1 &
This command runs ComfyUI in the background, redirects its output to comfyui.log, and detaches it from your terminal. You can check tail -f comfyui.log for logs or use fg to
bring it back to foreground if launched using &.
8. Verify ComfyUI is Running:
Open your web browser and go to http://<YOUR_SPARK_IP>:8188. Replace <YOUR_SPARK_IP> with the actual IP address of your machine. If you see the ComfyUI interface, the server is
running.
9. Test Image Generation:
Inside the ComfyUI web UI, try to generate a simple image using the default workflow. If it successfully generates an image, your Stable Diffusion service is fully operational.
10. Connect to Open-WebUI:
You can now configure Open-WebUI to use this ComfyUI instance by pointing its "API URL" setting to http://<YOUR_SPARK_IP>:8188.
在 Ubuntu 24.04 上，利用 Miniforge 建立 Python 環境，安裝支援 CUDA 的 PyTorch。
特別注意，從 PyTorch 2.6 開始，官方已不再發布 Conda 的 GPU 套件，因此必須改用 pip 搭配 PyTorch 官方提供的 CUDA 套件。
一 安裝 Miniforge
下載最新版 Miniforge 安裝腳本。
wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh
安裝執行檔。
bash Miniforge3-Linux-x86_64.sh
當安裝程式詢問是否要執行 conda init 時，選擇 no，避免修改 .bashrc 或 .profile。
二 啟用 Miniforge 基底環境
要使用 Miniforge 時，在當前 shell 手動載入即可。
source ~/miniforge3/bin/activate
出現 (base) 前綴代表 Miniforge 已啟用。
三 建立獨立的 PyTorch 環境
以 Python 3.10 建立名為 torch 的環境。
conda create -n torch python=3.10
啟用環境。
conda activate torch
四 移除可能已存在的 CPU 版 PyTorch
由於 Conda 預設可能從 conda-forge 安裝 CPU 版 PyTorch，先將其移除。
conda remove -y pytorch pytorch-cuda torchvision torchaudio
pip uninstall -y torch torchvision torchaudio
五 安裝支援 CUDA 的 PyTorch
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
六 驗證 CUDA 是否可用
python - <<'EOF'
import torch
print("PyTorch:", torch.__version__)
print("CUDA version:", torch.version.cuda)
print("CUDA available:", torch.cuda.is_available())
if torch.cuda.is_available():
print("GPU name:", torch.cuda.get_device_name(0))
EOF
若 CUDA available 顯示 True，且顯示 GPU 名稱，代表 GPU 加速已正常啟用。
注意：MediaWiki 1.40 之後，維護腳本需使用 maintenance/run.php 執行，不再直接執行腳本檔案。
以 https://github.com/checko/mediawiki144 啟動/restore 的 mediawiki container 為例:
建立一個具有管理員和行政員權限的新帳號：
docker compose exec mediawiki php maintenance/run.php createAndPromote \
--bureaucrat --sysop --force \
使用者名稱 密碼範例：
docker compose exec mediawiki php maintenance/run.php createAndPromote \
--bureaucrat --sysop --force \
admin AdminPassword123!變更現有使用者的密碼：
docker compose exec mediawiki php maintenance/run.php changePassword \
--user=使用者名稱 \
--password=新密碼範例：
docker compose exec mediawiki php maintenance/run.php changePassword \
--user=Ken.Lin \
--password=kenlinpassword123!將現有使用者提升為管理員和行政員：
docker compose exec mediawiki php maintenance/run.php createAndPromote \
--bureaucrat --sysop --force \
使用者名稱範例：
docker compose exec mediawiki php maintenance/run.php createAndPromote \
--bureaucrat --sysop --force \
ExistingUser直接在資料庫中授予使用者管理員權限：
docker compose exec mysql mysql -u root -proot_password mediawiki -e "
INSERT INTO user_groups (ug_user, ug_group)
SELECT user_id, 'sysop' FROM user WHERE user_name = '使用者名稱'
ON DUPLICATE KEY UPDATE ug_group = ug_group;
INSERT INTO user_groups (ug_user, ug_group)
SELECT user_id, 'bureaucrat' FROM user WHERE user_name = '使用者名稱'
ON DUPLICATE KEY UPDATE ug_group = ug_group;
"ESP32 的產品線可以分為三個層級：晶片（SoC）、模組（Module）、開發板（Development Board）。這三層形成了從矽晶片到最終使用者產品的完整架構。
這是最底層的矽晶片元件，是所有後續產品的核心。常見的 ESP32 晶片包括：
ESP32-D0WD-V3：雙核處理器版本ESP32-S0WD：單核處理器版本ESP32-D0WDR2-V3：雙核版本，內建 PSRAM 快取記憶體模組是將晶片與必要的周邊元件（如 Flash 記憶體、晶振、天線等）整合在小型 PCB 上的產品。這些模組已通過必要的認證，可以直接用於產品設計。常見的 ESP32 模組包括：
ESP32-WROOM-32E：採用 ESP32-D0WD-V3 晶片的標準模組ESP32-WROVER-E：採用 ESP32-D0WD-V3 晶片，並增加 PSRAM 快取ESP32-SOLO-1：採用 ESP32-S0WD 單核晶片的版本ESP32-PICO-D4：系統級封裝（SiP）版本，體積更小開發板是將模組焊接在一個完整的電路板上，並提供 USB 連接、電源管理、GPIO 引腳等便利開發的功能。開發板適合開發者和創客使用。常見的 ESP32 開發板包括：
ESP32-DevKitC V4：最受歡迎的通用開發板，可搭載 WROOM 或 WROVER 系列模組ESP32-DevKitM-1：搭載 ESP32-MINI-1 模組的小型開發板ESP32-PICO-KIT-1：搭載 ESP32-PICO-D4 模組的開發板ESP32-DevKitC V4 屬於 ESP32 原始系列（第一代 ESP32，使用 Xtensa LX6 雙核或單核處理器）。它不是以下變體系列：
ESP32-DevKitC V4 使用的是標準的 ESP32 晶片，因此它在技術規格上與原始的 ESP32 系列完全相同。具體來說：
ESP32-WROOM-32E 模組ESP32-D0WD-V3 晶片雖然核心規格相同，但使用方式有所不同：
ESP32 原始系列的各層級產品及其適用對象：
| 產品層級 | 產品名稱 | 說明 | 適用對象 |
|---|---|---|---|
| 晶片（SoC） | ESP32-D0WD-V3 | 雙核 Xtensa LX6 裸晶片 | 晶片設計廠商 |
| 模組（Module） | ESP32-WROOM-32E | 晶片 + Flash + 天線整合模組 | 產品設計工程師 |
| 模組（Module） | ESP32-WROVER-E | 晶片 + Flash + PSRAM + 天線 | 產品設計工程師 |
| 模組（Module） | ESP32-SOLO-1 | 單核版本模組 | 產品設計工程師 |
| 開發板（EVB） | ESP32-DevKitC V4 | 模組 + USB + 電源 + GPIO 引腳 | 開發者、創客、學生 |
| 開發板（EVB） | ESP32-DevKitM-1 | 搭載 ESP32-MINI-1 小型模組 | 開發者 |
| 開發板（EVB） | ESP32-PICO-KIT-1 | 搭載 ESP32-PICO-D4 模組 | 開發者 |
選擇使用 ESP32-DevKitC V4 這類開發板的主要優點：
選擇使用 ESP32-WROOM-32E 這類模組的主要優點：
直接使用 ESP32 晶片的主要優點：
ESP32-DevKitC V4 與最初列出的 ESP32 系列的關係可以總結如下：
因此，ESP32-DevKitC V4 是 ESP32 原始系列的官方開發板實現，讓開發者能夠方便地使用和學習 ESP32 晶片的所有功能特性。
[1] https://www.espboards.dev/esp32/esp32-devkitc/
[2] https://akizukidenshi.com/goodsaffix/esp32-wroom-32e_esp32-wroom-32ue_datasheet_en.pdf
[4] https://innovationyourself.com/esp32-wroom-vs-esp32-wrover/
[5] https://www.tme.eu/Document/fdc60b33b2951b4708cdfeb0e74a6b52/esp32-solo-1_datasheet_en.pdf
[6] https://www.espressif.com/sites/default/files/documentation/esp32-solo-1_datasheet_en.pdf
[7] https://www.espboards.dev/esp32/pico32/
[8] https://docs.espressif.com/projects/esp-dev-kits/en/latest/esp32/esp32-devkitc/user_guide.html
[10] https://www.espboards.dev/esp32/manufacturer/espressif/
[11] https://www.espboards.dev/esp32/esp32-pico-kit-1/
[13] https://www.espressif.com/sites/default/files/documentation/esp32-wroom-32_datasheet_en.pdf
[14] https://mischianti.org/esp32-devkitc-v4-high-resolution-pinout-and-specs/
[15] https://www.espressif.com/en/products/devkits/esp32-devkitc/overview