人工智能通识教程 课件 第11章 汽车外观垂类模型训练综合实训

AI同学们好！人工智能导论主讲人：XXX数字化实验项目实践综合实训人工智能导论目

录

第一篇计算机基础与系统1AI与计算机科学导论2计算机系统3计算机程序与算法面向的问题：离开计算机科学AI能否发展？支撑AI发展的主要计算机科学与技术是什么？

第二篇AI基础与应用4人工智能学科框架5机器学习6神经网络与深度学习面向的问题：AI的科学体系？机器为什么能战胜人类？机器是如何思考问题的？

第三篇AI应用技术7图像识别到视觉理解8文本处理到语言理解面向的问题：人脸怎样被识别？手机怎样具有智能的？人类语言是怎样被机器理解的？

第四篇实验、实践与实训面向的问题：云计算是怎样支持虚拟服务的？图像编码方法？汽车外观设计垂类模型怎样训练？9验证性虚拟实验10汽车营销项目实践11垂类模型综合实训数字化实验项目实践综合实训人工智能导论第四篇---实验、实践与实训问题1：云计算是怎样支持虚拟服务的？问题2：图像编码方法？问题3：汽车外观设计垂类模型怎样训练？随着人工智能生成技术（AIGC）在数字媒体领域的广泛应用，营销宣传片的创作模式正迎来一场深刻变革。传统的宣传片制作流程耗时较长，成本较高，难以满足市场对快速迭代和个性化创作的迫切需求。AIGC技术以其快速生成内容、高效辅助创作的特点，逐渐成为汽车营销宣传片制作的新引擎。

第四篇实验、实践与实训9验证性虚拟实验10汽车营销项目实践11垂类模型综合实训数字化实验项目实践综合实训第11章汽车外观垂类模型训练综合实训目

录11.1汽车外观垂类模型训练项目概述11.1.1项目背景与需求分析11.1.2实训目标与任务11.2实训环境配置11.2.1硬件配置与部署11.2.2软件与平台配置

11.3汽车外观垂类模型训练流程设计与实施11.3.1数据集准备与处理11.3.2模型训练技术11.3.2LoRA模型、ComfyUI流程优化

11.4外观垂类模型应用11.4.1模型部署与应用平台配置11.4.2模型应用案例分析数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训11.1

汽车外观垂类模型训练项目概述11.2

实训环境配置11.3

汽车外观垂类模型训练流程设计与实施11.4

外观垂类模型应用本章目的：本章为综合实训，聚焦“汽车外观垂类模型”的构建与优化，围绕吉利汽车品牌设计需求展开。在实训过程中，学生将完整体验从数据采集、模型训练、平台部署到最终应用的AI建模全过程，主要通过掌握LoRA训练技术与ComfyUI流程的实际训练，提升将AIGC技术应用于垂直视觉设计领域的实战能力，以及人工智能应用的综合素养。数字化实验项目实践综合实训人工智能导论11.1汽车外观垂类模型训练项目概述

11.1.1项目背景与需求分析第十一章

汽车外观垂类模型训练综合实训实训需求包括：（1）建立高质量垂直类汽车图像数据集，确保覆盖多视角、统一风格的训练素材；（2）运用LoRA模型技术实现特定风格的图像生成与微调；（3）使用ComfyUI平台节点式工作流搭建方法，实现模型流程的可视化部署；（4）输出图像须在清晰度、风格统一性、细节丰富度等维度达到工业应用标准；（5）将图像生成系统部署至模拟平台，实现可展示、可测试的终端效果。

随着新能源汽车产业的快速发展，企业在进行品牌传播、产品展示与用户交互时，对外观图像的风格化表达和个性建模提出了更高要求。尤其是在虚拟展示、数字营销、用户定制等多个场景中，“垂直类视觉模型”作为面向特定领域图像生成的关键能力，逐渐成为品牌建设和产品传播中不可或缺的技术支撑。数字化实验项目实践综合实训人工智能导论11.1汽车外观垂类模型训练项目概述

11.1.2实训目标与任务第十一章

汽车外观垂类模型训练综合实训能力目标：①能熟练完成图像数据的收集、筛选与清洗；②掌握LoRA模型的训练原理及参数优化方法；③熟悉ComfyUI平台工作流构建方式，具备节点逻辑设计与执行能力；④能进行图像生成效果的调试、测试与评估；⑤具备将图像模型成果部署至模拟平台进行演示的能力。任务编号实训子任务内容目标说明T1数据采集与清洗收集吉利车型图像数据，筛选高质量素材，统一图像风格T2数据标注与预处理完成图像分类与标签标注，执行尺寸统一、背景净化等预处理T3LoRA模型训练与参数优化掌握模型微调操作，构建垂类风格图像输出模型T4ComfyUI节点工作流搭建通过平台完成节点连接、模型导入、提示词输入与图像生成T5模型部署与平台测试将生成模型结果部署至企业展示系统，完成测试演示数字化实验项目实践综合实训人工智能导论11.2实训环境配置

11.2.1硬件配置与部署第十一章

汽车外观垂类模型训练综合实训1.计算设备配置需求配置等级中央处理器CPU图形处理器GPU内存RAM适用说明低配Interi5系列或AMDRyzen5系列NVIDIARTX5060

16GB单条或8GB双条简单模型计算，时间成本较高中配Interi7系列或AMDRyzen7系列NVIDIARTX5070或NVIDIARTX508016GB双条或24GB双条满足大部分训练模型与图像输出任务高配Interi9系列或AMDRyzen9系列NVIDIARTX5090D32GB双条或32GB四条精细训练、快速渲染与交互优化，适用于课程迭代升级数字化实验项目实践综合实训人工智能导论11.2实训环境配置

11.2.1硬件配置与部署第十一章

汽车外观垂类模型训练综合实训2.网络环境配置需求本次实训教学所采用的本地构建人工智能平台包括StableDiffusion与ComfyUI.其核心图像生成功能并不依赖于互联网（除非涉及使用在线API或云服务插件）。然而，在平台搭建完成之前，诸如环境配置、插件下载等步骤仍需依赖于互联网连接。数字化实验项目实践综合实训人工智能导论11.2实训环境配置

11.2.2 软件与平台配置第十一章

汽车外观垂类模型训练综合实训1.人工智能模型训练平台与工具软件名称版本/要求安装说明Python3.10.6需要安装指定版本的Python，以确保与AI大模型软件兼容。较旧或较新的版本可能会导致兼容性问题。.NET最新稳定版由Microsoft支持的免费开放源代码平台，用于生成各种应用程序，帮助模型生成与应用程序构建。Git最新稳定版开源分布式版本控制系统，用于下载AI资源，如自定义插件和扩展，支持StableDiffusion和ComfyUI等工具。CUDAToolkit适用于NVIDIAGPU若使用NVIDIAGPU，安装CUDAToolkit以便通过GPU加速计算任务，提高训练效率。数字化实验项目实践综合实训人工智能导论11.2实训环境配置

11.2.2 软件与平台配置第十一章

汽车外观垂类模型训练综合实训2.AI平台与工具配置工具名称安装方式操作步骤功能概述StableDiffusionGitHub原版或秋叶启动器（推荐初学者）1.下载并解压秋叶启动器包，双击“启动器.exe”启动程序。2.初次启动时进行验证，之后启动WebUI控制界面。图像生成：基于文本提示生成图像，支持模型微调与多样化生成。ComfyUI官方GitHub版或秋叶启动器（推荐初学者）1.下载秋叶启动器，双击“启动器.exe”启动。2.自动进入ComfyUI界面，加载预设的“文生图”工作流，点击“Queue”开始生成。节点式图形界面：支持自定义工作流和批量处理，优化了StableDiffusion的图像生成与调优过程。LoRA训练工具GitHub下载（开源版）或秋叶整合包1.解压秋叶整合包，双击“启动脚本.bat”启动。2.初次启动时加载命令行窗口，持续运行至Web控制界面弹出。节点式图形界面：支持自定义工作流和批量处理，优化了StableDiffusion的图像生成与调优过程。WD1.4标签标注工具与LoRA训练工具同包下载1.进入SD-Trainer界面，在“WD标签器”栏点击，设置相关参数，开始标注图像数据。标签化与优化：从图像中提取提示词（Prompt），帮助优化生成图像的精度与可控性，减少训练中的风格偏差。TouchDesigner（TD平台）官网Derivative平台下载安装访问官网下载安装包，选择Windows或Mac版本，注册账户登录后，免费获取10个非商业使用授权，完成基础界面设置（参数区、插件区、编辑区等）。交互式多媒体系统开发平台，适用于AI与多媒体、舞台演出、视觉交互等应用场景，支持扩展AI插件，适合AI与创意设计交互实践。数字化实验项目实践综合实训人工智能导论11.3汽车外观垂类模型训练流程设计与实施

第十一章

汽车外观垂类模型训练综合实训本节围绕汽车外观垂直领域的AI模型训练（“极氪”汽车的模型训练）展开，核心知识点包括数据集准备与处理、LoRA模型训练原理及ComfyUI节点式流程设计等，并将模型效果评估优化融入训练流程，强调实践操作技能的培养。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训1.数据收集与筛选方法高质量图像采集是构建数据集的首要步骤。学生需根据实训任务，主动筛选内容清晰、构图规范、风格统一的图像数据，并对采集内容进行分类管理。11.3汽车外观垂类模型训练流程设计与实施

11.3.1数据集准备与处理[案例11-1]数据集准备示例操作：项目实践任务：采集并筛选不少于20张“极氪”品牌汽车图像，要求图像清晰、主体突出，适用于后续模型训练使用。步骤一：明确项目目标，选择汽车类型及任务方向；步骤二：确定图像来源（如官网、车评网站、商业图库）与采集方式；步骤三：制定筛选标准，执行图像筛查；步骤四：分类保存图像，初步建立数据文件夹结构。筛选标准：①图像清晰度高，无明显噪点、压缩痕迹、水印等；②车身视角多样（包含正前、侧前、侧后等），构图完整；③背景简洁、主体突出，避免复杂多物体干扰；④图像风格统一，尺寸比例适中，便于模型批量处理。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训2.数据标注方法与图像预处理技术图像标注与预处理是数据集规范化的核心环节，旨在提高模型输入的准确性，降低噪声干扰，并统一格式、尺寸及命名方式，增强模型识别能力。11.3汽车外观垂类模型训练流程设计与实施

11.3.1数据集准备与处理数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-2]数据集准备与预处理示例操作：步骤一：完成数据集初步收集后，对文件夹内数据集实施打标签、标签清理、图像预处理等优化手段，进一步提高数据集的图像质量。步骤二：选择并确定数据处理工具、WD1.4标签标注工具。步骤三：遵循数据标注原则进行图像数据标注。步骤四：检查image文件夹是否初步生成与图像相对应的标签。步骤五：利用标签编辑器进行标签清理，将冗余的标签归类至所有标签第一位“触发词”中。步骤六：清洗完毕后，再次核查图片及自动生成的标签。步骤七：对已有的图像数据进行预处理，并遵循以下原则来统一调整图片的数据格式和规格。步骤八：检验该阶段的图像数据集是否成功处理完毕，检验文件夹内图像集与标签是否相对应，核查数据集处理阶段性成果。。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训3.数据处理评估标准为确保数据集可直接用于模型微调，应设置评估标准。11.3汽车外观垂类模型训练流程设计与实施

11.3.1数据集准备与处理评估维度要求说明图像清晰度无压缩损坏、无水印、构图完整标签准确性图文一一对应，字段描述清晰准确，符合规范格式统一性图片为统一分辨率（推荐512×512），标签文件为纯文本可读性与兼容性数据格式能被StableDiffusion或LoRA模型训练工具读取解析数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训1.LoRA模型训练原理LoRA是一种轻量化模型微调方法。与复杂的大模型训练不同，LoRA通过引入少量可训练参数，在保持原始大模型参数基本不变的情况下，实现模型在特定任务上的快速适应需求。①工具方法介绍。②LoRA模型训练原理。理解微调与泛化能力11.3汽车外观垂类模型训练流程设计与实施

11.3.2模型训练技术数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训2.LoRA模型训练步骤与训练参数11.3汽车外观垂类模型训练流程设计与实施

11.3.2模型训练技术[案例11-3]LoRA模型训练技术示例操作：项目实践任务：理解并掌握LoRA模型在StableDiffusion平台上的训练原理与基本操作方法，能够根据提供的数据集进行实际模型训练，并初步检验模型训练效果。步骤一：确定实践任务，选择模型环境准备。步骤二：数据导入与路径设置。步骤三：训练参数设置，如图11-5所示。步骤四：执行训练过程。步骤五：训练结果导出与检查，如图11-6所示。步骤六：模型训练成果检查，如图11-7所示。步骤七：在SDWebUI或ComfyUI平台中导入训练好的LoRA模型，使用前期约定的触发词进行图像生成测试，观察模型生成效果，确保模型能够正确体现极氪汽车的特征风格。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训2.LoRA模型训练步骤与训练参数11.3汽车外观垂类模型训练流程设计与实施

11.3.2模型训练技术[案例11-3]LoRA模型训练技术示例操作：数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训2.LoRA模型训练步骤与训练参数在LoRA训练过程中，有几个关键参数需要注意，影响训练效果和生成结果，见LoRA训练参数设置表。11.3汽车外观垂类模型训练流程设计与实施

11.3.2模型训练技术参数描述推荐设置训练轮数控制微调的迭代次数，最大训练轮数，每N轮保存一次模型推荐设置为20~40轮次，根据数据集的复杂度调整学习率控制参数更新的步伐初始学习率：1e-4，调整时根据数据集表现微调批量大小AI每次生成的图像数量推荐使用2的批量大小，受限于设备显卡显存情况正则化项控制过拟合，保证模型泛化能力根据训练数据集的大小与复杂度设置正则化项数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训3．基于ComfyUI的节点式流程设计与实践（1）ComfyUI节点式工作流的设计原理11.3汽车外观垂类模型训练流程设计与实施

11.3.2模型训练技术数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训3．基于ComfyUI的节点式流程设计与实践（2）ComfyUI节点式工作流的基础操作①界面概览。②添加节点与连接。③配置与运行。④常用基础节点。11.3汽车外观垂类模型训练流程设计与实施

11.3.2模型训练技术数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训3．基于ComfyUI的节点式流程设计与实践（3）ComfyUI节点式工作流的搭建11.3汽车外观垂类模型训练流程设计与实施

11.3.2模型训练技术[案例11-4]极氪汽车图像生成节点搭建示例操作：项目实践任务：以极氪汽车的外观设计生成任务为例，实践使用StableDiffusion1.5基础大模型结合极氪汽车LoRA微调模型，在ComfyUI中搭建一个完整的节点式图像生成工作流。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-4]极氪汽车图像生成节点搭建示例操作：项目实践任务：以极氪汽车的外观设计生成任务为例，实践使用StableDiffusion1.5基础大模型结合极氪汽车LoRA微调模型，在ComfyUI中搭建一个完整的节点式图像生成工作流。步骤一：结果设想与流程分析，将最终成果目标具体化为几个阶段。①生成基础车型图像；②融合不同色彩风格。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-4]极氪汽车图像生成节点搭建示例操作：项目实践任务：以极氪汽车的外观设计生成任务为例，实践使用StableDiffusion1.5基础大模型结合极氪汽车LoRA微调模型，在ComfyUI中搭建一个完整的节点式图像生成工作流。步骤二：明确目标，逆推每一步需要用到的关键技术和节点。①“极氪汽车”文生图工作流搭建；②“汽车车衣色彩调整”工作流搭建；数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-4]极氪汽车图像生成节点搭建示例操作：项目实践任务：以极氪汽车的外观设计生成任务为例，实践使用StableDiffusion1.5基础大模型结合极氪汽车LoRA微调模型，在ComfyUI中搭建一个完整的节点式图像生成工作流。步骤三：综合推演，工作流搭建步骤。“极氪汽车”文生图工作流搭建步骤，分为两个板块，模型和文本编码模块、采样和解码模块。①第一板块：模型和文本编码模块。②第二板块：采样和解码模块。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-4]极氪汽车图像生成节点搭建示例操作：项目实践任务：以极氪汽车的外观设计生成任务为例，实践使用StableDiffusion1.5基础大模型结合极氪汽车LoRA微调模型，在ComfyUI中搭建一个完整的节点式图像生成工作流。步骤三：综合推演，工作流搭建步骤。“汽车车衣色彩调整”工作流搭建步骤分为两个板块，遮罩区域设置模块和色彩设置及融合模块。①第一板块：遮罩区域设置模块。②第二板块：色彩设置及融合模块。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训3．基于ComfyUI的节点式流程设计与实践（4）ComfyUI节点式调试实践11.3汽车外观垂类模型训练流程设计与实施

11.3.2模型训练技术[案例11-5]极氪汽车ComfyUI节点式调试示例操作：步骤一：检查连接与类型。确认每个节点必需的输入都已连接正确。步骤二：参数逐步调整。采用增量调试法，一次只修改一个参数重新运行，观察对结果的影响。步骤三：“忽略”节点。ComfyUI提供了禁用节点的功能。节点上方有一个“图标”可以选择“开启忽略”和“关闭忽略”。步骤四：保存及加载流程。步骤五：节点缺失及更新。使用ComfyUI中的“管理器”节点。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训1.LoRA模型训练参数设置与优化方法11.3汽车外观垂类模型训练流程设计与实施

11.3.3LoRA模型、ComfyUI流程优化[案例11-6]LoRA模型优化示例操作：项目实践任务：对多个已完成训练的“极氪”品牌LoRA模型进行参数对比测试，综合分析模型表现，调整参数进行二次训练优化，最终提交测试对比图与优化后的LoRA模型文件。步骤一：训练参数调整原则与性能影响分析。参数类型调整依据优化策略训练轮数（Epoch）图像细节缺失或风格表达不明显增加训练轮数，以强化模型对风格特征的学习能力批量大小（BatchSize）显存资源与训练稳定性显卡资源充足时可适当提升批量，增强训练稳定性；资源受限时则适当缩减学习率（LearningRate）收敛速度与损失曲线表现若模型效果收敛缓慢或训练损失波动大，降低学习率；若训练过程过慢或效率偏低，可轻微上调（如从0.0001调整至0.00015）但不可过高数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-6]LoRA模型优化示例操作：项目实践任务：对多个已完成训练的“极氪”品牌LoRA模型进行参数对比测试，综合分析模型表现，调整参数进行二次训练优化，最终提交测试对比图与优化后的LoRA模型文件。步骤二：模型迭代优化策略。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-6]LoRA模型优化示例操作：项目实践任务：对多个已完成训练的“极氪”品牌LoRA模型进行参数对比测试，综合分析模型表现，调整参数进行二次训练优化，最终提交测试对比图与优化后的LoRA模型文件。步骤三：模型效果测试与调优方法。测试与优化流程建议如下：①确定对比维度（如轮数、权重、关键词、风格强度等）；②以WebUIXYZ轴测试脚本或ComfyUI对多个模型文件进行并行生成效果测试；③分析测试图像的风格准确性、清晰度、泛化能力与拟合性；④据此制定参数调整策略，重新训练LoRA模型。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-6]LoRA模型优化示例操作：项目实践任务：对多个已完成训练的“极氪”品牌LoRA模型进行参数对比测试，综合分析模型表现，调整参数进行二次训练优化，最终提交测试对比图与优化后的LoRA模型文件。步骤四：模型封装与交付。优化后的模型需进行封装处理，以便部署调用。建议使用StableDiffusion的AdditionalNetworks插件进行：①模型封装即将训练所得权重文件打包为可加载格式（.safetensors/.pt）；②根据触发词描述设置合适名称，便于后续项目管理与团队协作；③验收标准：生成图像须满足目标外观风格需求，能稳定运行在WebUI或ComfyUI平台上。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-6]LoRA模型优化示例操作：项目实践任务：对多个已完成训练的“极氪”品牌LoRA模型进行参数对比测试，综合分析模型表现，调整参数进行二次训练优化，最终提交测试对比图与优化后的LoRA模型文件。步骤五：优化任务成果展示。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训2.ComfyUI流程优化策略与案例操作化（1）LoRA权重调整与提示词优化11.3汽车外观垂类模型训练流程设计与实施

11.3.3LoRA模型、ComfyUI流程优化[案例11-7]ComfyUI流程优化的策略与实践指南示例操作：步骤一：调整LoRA模型权重。权重过高：图像风格过重，丢失结构清晰度。权重过低：LoRA影响微弱，风格难以体现。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-7]ComfyUI流程优化的策略与实践指南示例操作：步骤二：提示词重构与优化。提示词决定模型生成的主题方向，是影响图像构成的核心变量。若效果不理想，应从以下角度优化，如图11-22所示：①移除无关词、干扰词，防止语义混乱；②增加或精炼LoRA的触发词，提高风格表达准确性；③明确描述焦点（如车型、角度、光照等）以引导模型注意力集中。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训2.ComfyUI流程优化策略与案例操作化（2）车衣颜色替换的高级控制策略步骤一：添加LayerStyle：GradientOverlayV2（图层样式：渐变覆盖V2）节点。步骤二：添加ImageBlendingMode（图像混合模式）节点。步骤三：添加两个LayerUtility：ColorPicker（图层工具：颜色选择器）节点。11.3汽车外观垂类模型训练流程设计与实施

11.3.3LoRA模型、ComfyUI流程优化数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训2.ComfyUI流程优化策略与案例操作化（3）流程结构简化与节点融合优化步骤一：检查工作流中是否有重复的模型加载或重复处理。通过合理连接，使多个分支共用相同的上游节点输出，可减少模型初始化次数，节约内存和时间。步骤二：合并串联操作。一些图像处理步骤可以通过自定义节点一次性完成，从而替代原先多个节点串联。步骤三：降低分辨率或分批处理。图像尺寸越大，内存占用越高。建议测试阶段先用较低分辨率运行流程，确认稳定后再上调。11.3汽车外观垂类模型训练流程设计与实施

11.3.3LoRA模型、ComfyUI流程优化数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-8]ComfyUI流程的可读性提升与模块化设计示例操作：（1）节点分组与命名规范：步骤一：节点分组。步骤二：还可以折叠（Collapse）分组。步骤三：注释和说明节点。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-8]ComfyUI流程的可读性提升与模块化设计示例操作：（2）模块化逻辑与复用扩展步骤一：理解底层逻辑划分模块。步骤二：节点模板与子工作流复用。

经过模块化重构，ComfyUI工作流形成了清晰的模块划分。每个模块都可以独立测试和调试，像乐高块一样拼装成更复杂的流程。

本流程不仅为汽车外观AI模型开发提供了标准化范式，其模块化设计还可扩展至车型生成、缺陷检测等场景，为垂直领域AI落地提供了技术参考与实践经验。未来可结合动态数据集更新与多模态输入，进一步强化模型的泛化性与创意表达能力。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训1.模型部署方法与平台节点搭建流程11.4外观垂类模型应用

11.4.1模型部署与应用平台配置[案例11-9]模型部署方法与平台节点搭建流程示例操作：步骤一：TouchDesigner插件下载。步骤二：ComfyUI自定义节点下载。步骤三：工作流节点配置修改和工作流的导出。步骤四：在TouchDesigner中进行平台集成。数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训[案例11-9]模型部署方法与平台节点搭建流程示例操作：可视化编辑区分为以下几个部分：①主要功能区。②工作流导入区。③触发按钮。④图像生成区.数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训2.模型部署的环境配置与注意事项①再次确认从ComfyUI导出来的工作流是否正确，在导出之前要先运行一次工作流，确认工作流正常运行。②导出json文件后，在ComfyUI界面调整的参数不会再影响TD内的参数，导入到TD内的json文件是独立的工作流，若要修改参数请到TDComfyUI节点的参数窗口下，Workflow参数页面下修改。若发现Workflow不显示任何参数，请先断开工作流导入区的连接线（右击连接线，选择Disconnect命令），再重新连接工作流DAT节点。③单击Button按钮，在工作流运行时，若长时间未响应（在一次正常的车辆生成过程中，4060花

费60～100s；4070花

费60～80s，4080花

费50～70s，4090花

费40～60s），请查看ComfyUI的命令提示符，是否有报错，8G显存以下计算机配置的可能会显示显存不足，请清理后台软件，不要占用图形处理器的运用。11.4外观垂类模型应用

11.4.1模型部署与应用平台配置数字化实验项目实践综合实训人工智能导论第十一章

汽车外观垂类模型训练综合实训1.模型应用于外观设计的实践案例11.4外观垂类模型应用

11.4.2模型应用案例分析本节包括两部分的学习内容：①模型应用于外观设计的实践案例。②用户交互界面设计与体验评估。[案例11-10]模型应用于外观设计流程示例操作：（1）颜色交互按钮基础逻辑设计步骤一：新建一个Container元件，Container元件可以用来将任意数量的按钮、滑块、字段、容器和其他面板组件组合在一起，以构建一个界面。步骤二：新建一个Merge节点，这个节点的作用是把所有数值都统计起来。步骤三：再新建一个Fan节点，这个节点的作用是将一个数据通道转换成分开的多个通道，或者将多个数据通道转换成单个数据通道。步骤四：在Fan节点的后端，连接上一个Out节点，作为Container的输出口。数字化实验项目实践综合实训人工智能导论第十一章