分类打包网盘文件，setup.sh 自动解压，更新部署文档

DEPLOY.md

@@ -99,27 +99,69 @@ change_hair_3090/
 
 ## 4. 下载网盘文件
 
-将网盘上的以下文件/目录下载到项目根目录（与代码合并）。**所有路径必须与下表一致**。
+将网盘上的 `cloud_packages/` 目录下载到项目根目录。网盘文件已分类打包为 14 个文件，便于上传和下载。
 
-### 4.1 网盘文件清单
+### 4.1 网盘文件清单（已分类打包）
 
-| 路径 | 大小 | 说明 |
+| 文件 | 大小 | 说明 |
 |------|------|------|
-| `hair_service_sd/weights/` | 9.9G | 换发算法模型（matting、分割等） |
-| `stable-diffusion-webui/models/` | 41G | SD 模型 + 228 个 LoRA + 辅助模型 |
-| `stable-diffusion-webui/extensions/sd-webui-controlnet/` | 4.4G | ControlNet 扩展 |
-| `stable-diffusion-webui/repositories/` | 225M | SD 依赖仓库（k-diffusion 等） |
-| `kohya_ss_home/.local/` | 7.6G | 训练 pip 包（torch、accelerate、diffusers 等） |
-| `kohya_ss_home/.cache/` | 3.3M | CLIP tokenizer 缓存 |
-| `kohya_ss_home/kohya_ss/` | 439M | kohya_ss 训练代码 |
-| `data/` | 4.9G | 业务数据（参考发型图等） |
-| `conda_envs/my_hair.tar.gz` | 4.2G | conda 环境（换发算法服务用） |
-| `conda_envs/sdwebui.tar.gz` | 3.6G | conda 环境（SD WebUI 用） |
-| `conda_envs/kohya.tar.gz` | 84M | conda 环境（LoRA 训练用，仅含 Python+numpy） |
+| `my_hair.tar.gz` | 4.2G | conda 环境（换发算法服务用） |
+| `sdwebui.tar.gz` | 3.6G | conda 环境（SD WebUI 用） |
+| `kohya.tar.gz` | 84M | conda 环境（LoRA 训练用，仅含 Python+numpy） |
+| `sd_base_models.tar.gz` | 3.6G | SD 底模（v1-5-pruned-emaonly.safetensors） |
+| `lora_0-9.tar.gz` | 29G | LoRA 模型（数字开头，约 228 个） |
+| `lora_h.tar.gz` | 132M | LoRA 模型（h 开头） |
+| `lora_n.tar.gz` | 132M | LoRA 模型（n 开头） |
+| `lora_t.tar.gz` | 791M | LoRA 模型（t 开头） |
+| `weights.tar.gz` | 9.2G | 换发算法模型（matting、分割等） |
+| `kohya_local.tar.gz` | 3.4G | 训练 pip 包（torch、accelerate、diffusers 等） |
+| `kohya_code.tar.gz` | 365M | kohya_ss 训练代码 + CLIP 缓存 |
+| `data.tar.gz` | 3.4G | 业务数据（参考发型图等） |
+| `webui_controlnet.tar.gz` | 4.1G | ControlNet 扩展 |
+| `webui_repositories.tar.gz` | 221M | SD 依赖仓库（k-diffusion 等） |
 
-**合计约 76G**
+**合计约 62G**
 
-### 4.2 下载后验证
+### 4.2 下载后解压
+
+```bash
+cd ~/change_hair_3090
+
+# 创建 cloud_packages 目录并下载网盘文件到这里
+mkdir -p cloud_packages
+# ... 将网盘上的 cloud_packages/ 目录下载到这里 ...
+
+# 解压所有包（按顺序执行）
+echo "=== 1. 解压 conda 环境 ==="
+tar -xzf cloud_packages/my_hair.tar.gz -C conda_envs/
+tar -xzf cloud_packages/sdwebui.tar.gz -C conda_envs/
+tar -xzf cloud_packages/kohya.tar.gz -C conda_envs/
+
+echo "=== 2. 解压 SD 模型 ==="
+tar -xzf cloud_packages/sd_base_models.tar.gz -C stable-diffusion-webui/models/Stable-diffusion/
+
+echo "=== 3. 解压 LoRA 模型 ==="
+tar -xzf cloud_packages/lora_0-9.tar.gz -C stable-diffusion-webui/models/Lora/
+tar -xzf cloud_packages/lora_h.tar.gz -C stable-diffusion-webui/models/Lora/
+tar -xzf cloud_packages/lora_n.tar.gz -C stable-diffusion-webui/models/Lora/
+tar -xzf cloud_packages/lora_t.tar.gz -C stable-diffusion-webui/models/Lora/
+
+echo "=== 4. 解压换发算法权重 ==="
+tar -xzf cloud_packages/weights.tar.gz -C hair_service_sd/
+
+echo "=== 5. 解压 kohya 训练环境 ==="
+tar -xzf cloud_packages/kohya_local.tar.gz -C kohya_ss_home/
+tar -xzf cloud_packages/kohya_code.tar.gz -C kohya_ss_home/
+
+echo "=== 6. 解压业务数据 ==="
+tar -xzf cloud_packages/data.tar.gz -C .
+
+echo "=== 7. 解压 WebUI 扩展 ==="
+tar -xzf cloud_packages/webui_controlnet.tar.gz -C stable-diffusion-webui/extensions/
+tar -xzf cloud_packages/webui_repositories.tar.gz -C stable-diffusion-webui/
+```
+
+### 4.3 解压后验证
 
 ```bash
 cd ~/change_hair_3090
@@ -128,7 +170,7 @@ cd ~/change_hair_3090
 ls -lh conda_envs/*.tar.gz
 ls -d hair_service_sd/weights/
 ls -d kohya_ss_home/.local/
-ls -d stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors
+ls -lh stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors
 ```
 
 期望输出：
@@ -138,7 +180,7 @@ ls -d stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safeten
 -rw------- ... 3.6G ... conda_envs/sdwebui.tar.gz
 hair_service_sd/weights/
 kohya_ss_home/.local/
-stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors
+-rw-rw-r-- ... 4.0G ... v1-5-pruned-emaonly.safetensors
 ```
 
 ### 4.3 关于 kohya 训练环境的架构说明