NVIDIA TensorRT 是一个高性能的深度学习推理 SDK，专为在 NVIDIA GPU 上加速深度学习模型的推理过程而设计。它支持多种主流深度学习框架，如 TensorFlow、PyTorch 等，并通过一系列优化技术提高模型的推理速度和效率。

主要功能和优势

1. 性能优化：TensorRT 通过层和张量融合、内核自动调整、多流并行等技术，显著提高推理性能。

2. 降低延迟：优化后的模型可以显著降低推理延迟，这对实时应用（如视频分析和自动驾驶）非常重要。

3. 减少内存占用：通过优化神经网络的内存使用，降低对 GPU 资源的要求。

4. 支持多种精度：TensorRT 支持 FP32、TF32、FP16 和 INT8 精度，可以根据应用场景灵活调整计算精度，权衡计算速度与模型精度。

5. 跨平台支持：支持从多种框架导出模型，并通过 ONNX 标准使其与 TensorRT 兼容

1、下载安装包【迅雷网盘-下载速度快】请转存文件，后续会持续更新教程资源

迅雷云盘

2、网盘下载ComfyUI_TensorRT.zip插件包

3、将ComfyUI_TensorRT.zip解压到comfyui安装目录下的custom_nodes目录下，如图：

4、启动comfyui【下载依赖包需要一点时间请耐心等待】

5、训练加速模型【创建静态转换模型】

6、训练加速模型【创建模型加载器】

7、训练TensoRT加速模型：按【ctrl+enter】运行模型或者点击【执行】

8、找到训练好的加速模型：

9、使用上一章节中创建的文生图工作流：【网盘下载工作流】

10、导入工作流：

11、替换模型为训练好的加速模型:【创建加速模型加载器】

12、替换模型,将加速模型与k采样器连接起来

13、选择训练好的大模型和对应的加速模型：【注意这里需要重启comfyui不然训练好的模型会找不到】

14、运行加速模型按【ctrl+enter】总耗时只有原来的一半

15、请去网盘下载我修改的工作流，用于参考：