xsl
ce445b64a6
部署修复： - torch.load 增加 weights_only=False patch，兼容 PyTorch 2.6+ 加载旧权重 - OSS 改为懒加载，本地用 output_format=base64 无需配凭证即可启动 - 补全被 gitignore 误排除的必需代码：core/models/layers/data、models/layers/data、keypoints/lib - webui 训练命令 --xformers 改 --sdpa（修复 xformers 无 CUDA 支持报错） 功能调整： - hair_grow_service 端口改 8899、preview 路由修复（send_file） - list_hairstyles 增加发型白名单，测试页只展示当前5个发型 新增脚本： - train_lora_parallel.py：直接调 kohya 并行训练 LoRA（绕过 photo_service 串行限制） - train_hairstyles_parallel.py / train_batch_stepC.py：批量训练辅助脚本 - scripts/sync_data_to_server.sh：大文件断点续传到云服务器 文档： - docs/换发型集成文档.md：换发型完整流程、服务架构、资源依赖、训练方法、集成步骤
区域生发测试服务
提供带「画笔涂抹遮罩」的 Web 测试页面，在用户涂抹的区域内生发。
快速开始
1. 确认 webui 已启动（生发依赖 SD inpainting）
ss -tlnp | grep 57860 # 确认 webui 在跑
bash /home/xsl/change_hair/start_all.sh status # 看 webui 是否就绪
2. 启动生发服务（端口 8899）
nohup /home/xsl/change_hair/start_hairgrow.sh > /home/xsl/change_hair/project/logs/hair_grow_service.log 2>&1 &
3. 打开测试页面
浏览器访问：
http://172.21.246.70:8899
（如从 Windows 宿主机访问 WSL，用上面地址；或用 localhost:8899）
4. 使用流程
- 上传图片：点击或拖拽一张人头像照片（正面、发际线/稀疏区清晰）
- 涂抹遮罩：用画笔在需要生发的区域涂抹（白色 = 生发区）
- 左侧可调画笔粗细、切换橡皮、清空
- 调强度：生发强度滑块（0.1~1.0，默认 0.5）
- 低强度：轻微生发，严格保持遮罩边界
- 高强度：浓密生发，边缘自然过渡
- 点「生成」：等待约 5 秒
- 看结果：原图与生发结果并排对比，可下载
文件说明
hair_grow_service/
├── app.py # Flask 服务（端口 8899）
├── static/index.html # 测试页面（画笔遮罩 + 结果对比）
└── README.md
start_hairgrow.sh # 启动脚本
API 接口（可单独调用）
POST http://<host>:8899/api/grow
Content-Type: application/json
{
"img": "data:image/jpeg;base64,...", # 原图 base64
"mask": "data:image/png;base64,...", # 遮罩 base64，白色(255)=生发区，与img同分辨率
"strength": 0.5 # 生发强度 0.1~1.0
}
→ {"state": 0, "result": "<base64结果图>"}
{"state": -1, "msg": "错误信息"}
停止服务
pkill -f "hair_grow_service/app.py"
注意事项
- 生发服务依赖 webui(57860)，webui 未启动会报连接失败
- 图片过大（>1024px）会自动缩放并对齐到 8 的倍数
- 生发结果是确定性的（固定 seed=123456789），同输入同输出