Blur operations running slow on CPU; [W101 …] Could not initialize NNPACK!

快速结论：在使用 ComfyUI Impact Pack 的 Gaussian Blur Mask、Upscaler (SEGS) 等节点做羽化/模糊时，如果 CPU 不支持 AVX 等指令集，PyTorch 会回退到效率极低的 CPU 路径并打印 NNPACK 警告；优先排查掩膜模糊运算是否跑在了 CPU 而不是 ComfyUI 配置的设备（GPU）上。该问题已由 PR #1198 修复并合并进 Main，更新 Impact Pack 即为首选处理方式。

适用环境：Issue 报告的运行环境为 ComfyUI Impact Pack，显卡为 RTX 4080（验证时使用 42 组 CPU/CUDA 用例），触发问题的机器为不支持 AVX 指令的旧 CPU。Issue 未明确给出 Python、CUDA、PyTorch 具体版本号，请以自身实际安装为准。

最快修复方案：将 Impact Pack 更新到最新 Main 分支（修复提交 1d12240b633325226ba442de61a427e00de2430b，来自 PR #1198）。在旧版本上，可优先尝试以下手工补丁：在 modules/impact/utils.py 中，把高斯模糊调用的输入显式转移到 ComfyUI 配置的设备上执行，并将结果转回原设备。

注意事项：手工补丁只是 Issue 作者在若干节点上验证过的临时方案，作者本人说明仅测试了少数节点，若代码中存在“先模糊掩膜、再与图像混用但未显式统一设备”的路径，仍可能出现设备不一致问题，需要进一步调整。补丁中类似 image = image.cpu() 的强制回 CPU 语句作者认为可能可以删除，但未确认其必要性，不建议随意改动。

问题场景

在 ComfyUI 中使用 Impact Pack 的节点处理图像与掩膜时触发，典型场景包括：

运行 Gaussian Blur Mask 节点，例如 kernel_size 设为 24；
运行 Upscaler (SEGS) 节点，例如 feather（羽化）设为 20。

在旧 CPU 上，一次本应很快的模糊运算会拖到数分钟甚至数十分钟。Issue 作者实测：未打补丁时 Gaussian Blur Mask 执行耗时 183.66 秒；打补丁后同一提示词在 GPU 上仅 0.21 秒。Upscaler (SEGS) 的处理时间也从超过 10 分钟降到不足 90 秒。

报错原文

got prompt
[W101 16:54:13.026243409 NNPACK.cpp:56] Could not initialize NNPACK! Reason: Unsupported hardware.
Prompt executed in 183.66 seconds

对应的现象关键词：Blur operations running slow on CPU。

原因分析

核心问题不在 Impact Pack 本身，而是 PyTorch 张量运算落到了不支持 AVX 等指令集的旧 CPU 上执行。NNPACK 初始化失败后，高斯模糊这类运算在 CPU 上极其缓慢。

Issue 作者定位到的具体位置是 modules/impact/utils.py 中的高斯模糊相关代码：torchvision.transforms.GaussianBlur 的输入掩膜没有显式放到 ComfyUI 配置的设备上，导致模糊在 CPU 上执行。修复讨论进一步指出，PR 合并前的辅助函数丢弃了 .to(...) 的返回值，即设备转移实际未生效。

因此，真正的问题是 模糊运算的设备没有按配置落到 GPU，NNPACK 警告只是这一情况的伴随信号，表示硬件不支持相关加速路径。

环境排查

确认 Impact Pack 版本是否早于修复提交 1d12240b633325226ba442de61a427e00de2430b（即是否已包含 PR #1198）。
确认 ComfyUI 启动参数中配置的执行设备为 GPU，而非 --cpu。
确认 PyTorch 为 CUDA 版本且能正常识别显卡；若 torch.cuda.is_available() 为 False，模糊仍会退回 CPU。
确认 CPU 是否支持 AVX 指令集（可参考 CPU 型号规格）；不支持 AVX 的旧 CPU 更容易暴露该问题。
检查 modules/impact/utils.py 中 utils.tensor_gaussian_blur_mask() 相关代码是否已包含设备转移修复。

解决步骤

首选：把 Impact Pack 更新到最新 Main 分支，确保包含提交 1d12240b633325226ba442de61a427e00de2430b（PR #1198）。该提交修正了模糊前把掩膜转移到 ComfyUI 配置设备、模糊后再转回输入设备的逻辑。
若暂时无法更新，可临时手工修改 modules/impact/utils.py：在 apply gaussian blur 处，将模糊输入改为在目标设备上执行，例如 GaussianBlur(...)(mask.to(device))，而不是直接传入 mask。
同时检查 region1、region2 的索引切片是否显式转到了掩膜设备（.to(device=mask.device)），避免后续拼接或合成时出现 “Expected all tensors to be on the same device”。
修改后重启 ComfyUI，再分别用 Gaussian Blur Mask 和 Upscaler (SEGS) 节点重新运行相同工作流做对照。
如更新后仍异常，请核对 modules/impact/segs_nodes.py 与 modules/impact/impact_pack.py 中是否存在多余的强制 .cpu() 调用；Issue 作者认为这些调用可能可以移除，但并未给出确定结论。

验证方法

观察控制台是否仍出现 Could not initialize NNPACK! 警告。
对比同一提示词的执行耗时：修复前在原问题机器上为 183.66 秒量级，修复后 GPU 执行约 0.21 秒；Upscaler (SEGS) 由 10 分钟以上降到 90 秒以内。
PR 验证方式可作为参考：在 RTX 4080 上以 42 组 CPU/CUDA 用例覆盖执行设备检查、原设备恢复、与 CPU 结果比对，以及 SEGS 模糊节点下游的 NumPy 转换；修复后代码在配置为 CUDA 时使用 CUDA 执行。