From 42622e8e1e4bc61c0478ef9477515a8eccec76d6 Mon Sep 17 00:00:00 2001
From: colomi <1421901449@qq.com>
Date: Sat, 11 Jul 2026 19:11:36 +0800
Subject: [PATCH] =?UTF-8?q?=E5=AE=8C=E5=96=84=E9=83=A8=E7=BD=B2=E8=84=9A?=
 =?UTF-8?q?=E6=9C=AC=E5=85=BC=E5=AE=B9=E6=80=A7=E5=B9=B6=E7=94=9F=E6=88=90?=
 =?UTF-8?q?=E8=AF=A6=E7=BB=86=E9=83=A8=E7=BD=B2=E6=89=8B=E5=86=8C?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- setup.sh: 自动检测 CONDA_BASE（conda info --base），移除 set -e 改为
  错误收集，新增第8步验证 kohya 训练环境（测试 torch/accelerate 加载）
- start_all_services.sh: 自动检测 CONDA_BASE，新增端口冲突检测和
  WebUI 就绪等待（最多60秒轮询）
- stop_all_services.sh: 新增停止脚本，按端口停止三个服务
- py310.yml: 移除硬编码 prefix 路径，避免跨机器部署问题
- DEPLOY.md: 详细部署操作手册，覆盖从 clone 到验证三大功能的全流程
- 已验证: kohya.tar.gz 解压→conda-unpack→PYTHONPATH 加载全部通过
---
 DEPLOY.md             | 644 ++++++++++++++++++++++++++++++++++++++++++
 conda_envs/py310.yml  |   1 -
 setup.sh              |  88 ++++--
 start_all_services.sh |  85 +++++-
 stop_all_services.sh  |  19 ++
 5 files changed, 806 insertions(+), 31 deletions(-)
 create mode 100644 DEPLOY.md
 create mode 100755 stop_all_services.sh

diff --git a/DEPLOY.md b/DEPLOY.md
new file mode 100644
index 0000000..7872a61
--- /dev/null
+++ b/DEPLOY.md
@@ -0,0 +1,644 @@
+# 换发型项目部署操作手册
+
+本手册详细描述在全新的 Ubuntu 22.04 + NVIDIA 3090 机器上，从零开始部署并运行换发型、换发色、训练模型三大功能的完整步骤。
+
+---
+
+## 目录
+
+1. [环境前提](#1-环境前提)
+2. [安装系统依赖](#2-安装系统依赖)
+3. [Clone 代码](#3-clone-代码)
+4. [下载网盘文件](#4-下载网盘文件)
+5. [运行部署脚本](#5-运行部署脚本)
+6. [启动服务](#6-启动服务)
+7. [验证功能](#7-验证功能)
+8. [API 接口参考](#8-api-接口参考)
+9. [停止与重启服务](#9-停止与重启服务)
+10. [常见问题排查](#10-常见问题排查)
+11. [架构说明](#11-架构说明)
+
+---
+
+## 1. 环境前提
+
+| 项目 | 要求 |
+|------|------|
+| 操作系统 | Ubuntu 22.04 LTS |
+| GPU | NVIDIA RTX 3090（或其他 10GB+ 显存的 NVIDIA GPU） |
+| NVIDIA 驱动 | ≥ 525.x（支持 CUDA 11.8） |
+| 磁盘空间 | ≥ 90GB（代码 + 模型 + 环境） |
+| 网络 | 需要访问 PyPI（创建 py310 环境时下载 pip 包） |
+| Python | 不需要预装（通过 conda 管理） |
+
+验证 GPU 和驱动：
+```bash
+nvidia-smi
+# 应显示 GPU 信息和 CUDA 版本（≥ 11.8）
+```
+
+---
+
+## 2. 安装系统依赖
+
+### 2.1 安装基础工具
+
+```bash
+sudo apt update
+sudo apt install -y git curl wget lsof
+```
+
+### 2.2 安装 Miniconda（如未安装）
+
+```bash
+# 下载并安装 Miniconda
+wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
+bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3
+
+# 初始化 conda
+$HOME/miniconda3/bin/conda init bash
+source ~/.bashrc
+
+# 验证
+conda --version
+```
+
+### 2.3 配置 conda 镜像（国内可选，加速 py310 创建）
+
+```bash
+conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
+conda config --set show_channel_urls yes
+```
+
+---
+
+## 3. Clone 代码
+
+```bash
+cd ~
+git clone <仓库地址> change_hair_3090
+cd change_hair_3090
+```
+
+Clone 后的目录结构（仅代码，不含模型/环境）：
+```
+change_hair_3090/
+├── hair_service_sd/          # 换发算法服务代码
+├── photo_service/            # 训练调度服务代码
+├── stable-diffusion-webui/   # SD WebUI 代码（不含 models/）
+├── kohya_ss_home/            # kohya_ss 训练代码（不含 .local/）
+├── conda_envs/
+│   └── py310.yml             # py310 环境定义文件
+├── setup.sh                  # 部署脚本
+├── start_all_services.sh     # 启动脚本
+├── stop_all_services.sh      # 停止脚本
+└── README.md
+```
+
+---
+
+## 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**。
+
+### 4.1 网盘文件清单
+
+| 路径 | 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） |
+
+**合计约 76G**
+
+### 4.2 下载后验证
+
+```bash
+cd ~/change_hair_3090
+
+# 检查关键文件是否存在
+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
+```
+
+期望输出：
+```
+-rw------- ... 84M ... conda_envs/kohya.tar.gz
+-rw------- ... 4.2G ... conda_envs/my_hair.tar.gz
+-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
+```
+
+### 4.3 关于 kohya 训练环境的架构说明
+
+LoRA 训练环境由两部分组成，缺一不可：
+
+```
+conda_envs/kohya.tar.gz (84M)          kohya_ss_home/.local/ (7.6G)
+┌─────────────────────────┐            ┌──────────────────────────────────┐
+│ Python 3.10 解释器       │            │ torch 2.0.1+cu118                │
+│ numpy 1.24.4            │  +PYTHONPATH→ │ accelerate 0.23.0                │
+│ tqdm                    │            │ bitsandbytes 0.41.1              │
+│ setuptools 69.5.1       │            │ diffusers 0.21.4                 │
+│ (conda-pack 打包)        │            │ transformers 4.30.2              │
+│                         │            │ xformers 0.0.21                  │
+│                         │            │ safetensors, pytorch_lightning   │
+│                         │            │ (从 Docker 容器复制的 pip 包)      │
+└─────────────────────────┘            └──────────────────────────────────┘
+```
+
+`kohya.tar.gz` 仅包含 Python 解释器和 numpy（解决版本兼容性），通过 `PYTHONPATH` 环境变量指向 `.local/` 目录来加载 torch 等大包。这样避免重新下载 7.6G 的训练依赖。
+
+---
+
+## 5. 运行部署脚本
+
+```bash
+cd ~/change_hair_3090
+chmod +x setup.sh start_all_services.sh stop_all_services.sh
+./setup.sh
+```
+
+### 5.1 setup.sh 执行的 8 个步骤
+
+| 步骤 | 说明 |
+|------|------|
+| 1/8 | 检查前提条件（git、conda、NVIDIA 驱动） |
+| 2/8 | 生成 `configure.ini`（自动替换 `__BASE_DIR__` 为实际路径） |
+| 3/8 | 从 conda-pack 恢复 my_hair、sdwebui、kohya 三个 conda 环境 |
+| 4/8 | 从 `py310.yml` 创建 py310 环境（需联网下载 pip 包） |
+| 5/8 | 检查模型和数据目录完整性 |
+| 6/8 | 检查训练底模 `v1-5-pruned-emaonly.safetensors` |
+| 7/8 | 创建运行时目录（logs、data/tmp 等） |
+| 8/8 | 验证 kohya 训练环境（测试 torch/accelerate 能否加载） |
+
+### 5.2 成功输出
+
+```
+=== 换发型项目部署脚本 ===
+BASE_DIR: /home/xxx/change_hair_3090
+CONDA_BASE: /home/xxx/miniconda3
+
+[1/8] 检查前提条件...
+  ✓ 前提条件满足
+[2/8] 生成 configure.ini...
+  ✓ configure.ini 已生成
+[3/8] 恢复 conda 环境（my_hair, sdwebui, kohya）...
+  ✓ my_hair 已恢复
+  ✓ sdwebui 已恢复
+  ✓ kohya 已恢复
+[4/8] 创建 py310 环境（从 yml）...
+  ✓ py310 已创建
+[5/8] 检查模型和数据目录...
+  ✓ hair_service_sd/weights
+  ✓ stable-diffusion-webui/models/Lora
+  ...（全部 ✓）
+[6/8] 检查训练底模 v1-5-pruned-emaonly...
+  ✓ v1-5-pruned-emaonly.safetensors 已存在
+[7/8] 创建运行时目录...
+  ✓ 运行时目录已创建
+[8/8] 验证 kohya 训练环境...
+  测试 torch/accelerate 加载...
+  torch=2.0.1+cu118 cuda=True
+  accelerate=0.23.0
+  ✓ 训练环境验证通过
+
+=== 部署结果 ===
+✓ 所有检查通过，部署完成！
+```
+
+### 5.3 如果 CONDA_BASE 不在默认路径
+
+```bash
+# 方法1：设置环境变量
+export CONDA_BASE=/your/conda/path
+./setup.sh
+
+# 方法2：脚本会自动通过 `conda info --base` 检测
+# 只要 conda 在 PATH 中即可自动找到
+```
+
+---
+
+## 6. 启动服务
+
+```bash
+./start_all_services.sh
+```
+
+### 6.1 启动的三个服务
+
+| 服务 | 端口 | conda 环境 | 功能 |
+|------|------|-----------|------|
+| hair_service_sd | 8801 | my_hair | 换发型/换发色核心算法 |
+| stable-diffusion-webui | 57860 | sdwebui | SD 图生图推理 |
+| photo_service | 32678 | py310 | LoRA 训练调度（训练子进程使用 kohya 环境） |
+
+### 6.2 成功输出
+
+```
+=== 启动换发型服务 ===
+[1/3] 启动 hair_service_sd (端口 8801)...
+  hair_service_sd 已启动 (PID: xxxx, 端口 8801)
+[2/3] 启动 stable-diffusion-webui (端口 57860)...
+  stable-diffusion-webui 已启动 (PID: xxxx, 端口 57860)
+  ℹ WebUI 首次启动需加载模型（约 30-60 秒），请耐心等待
+[3/3] 启动 photo_service (端口 32678)...
+  photo_service 已启动 (PID: xxxx, 端口 32678)
+
+=== 所有服务已启动 ===
+等待 WebUI 就绪（检查端口 57860）...
+✓ WebUI 已就绪
+```
+
+### 6.3 查看日志
+
+```bash
+# 换发型/换发色服务日志
+tail -f logs/hair_service.log
+
+# SD WebUI 日志
+tail -f logs/webui.log
+
+# 训练服务日志
+tail -f logs/photo_service.log
+```
+
+---
+
+## 7. 验证功能
+
+### 7.1 验证服务状态
+
+```bash
+# 检查三个端口是否在监听
+curl -s http://127.0.0.1:8801/ | head -5
+curl -s http://127.0.0.1:57860/sdapi/v1/options | head -5
+curl -s http://127.0.0.1:32678/ | head -5
+```
+
+### 7.2 验证换发色功能
+
+```bash
+# 准备一张人像照片（base64 编码）
+IMG_B64=$(base64 -w0 test_photo.jpg)
+
+curl -X POST http://127.0.0.1:8801/hairColor/v2 \
+  -H "Content-Type: application/json" \
+  -d "{
+    \"img\": \"data:image/jpeg;base64,${IMG_B64}\",
+    \"userId\": \"test_user\",
+    \"rgb\": \"120,60,30\"
+  }"
+```
+
+参数说明：
+- `img`：用户照片，支持 base64（`data:image/jpeg;base64,...`）或 URL
+- `userId`：用户标识
+- `rgb`：目标发色 RGB 值（如 `120,60,30` 表示棕色）
+
+### 7.3 验证换发型功能
+
+```bash
+curl -X POST http://127.0.0.1:8801/api/swapHair/v1 \
+  -H "Content-Type: application/json" \
+  -d "{
+    \"hair_id\": \"<发型ID>\",
+    \"task_id\": \"test_001\",
+    \"is_hr\": \"false\",
+    \"user_img_path\": \"data:image/jpeg;base64,${IMG_B64}\"
+  }"
+```
+
+参数说明：
+- `hair_id`：发型 ID（对应 `data/ref_hairstyle/` 目录下的发型）
+- `task_id`：任务唯一标识
+- `is_hr`：是否高清模式（`"true"` 或 `"false"`）
+- `user_img_path`：用户照片，支持 base64 或 URL
+
+### 7.4 验证训练功能
+
+训练需要准备训练素材（10+ 张同一发型的照片），组织成指定目录结构：
+
+```
+hair_material_dir/
+├── images/
+│   └── 1_hairstyle/          # 数字开头的文件夹
+│       ├── 001.png            # 训练图片（≥10张）
+│       ├── 001.txt            # 标签文件（自动生成）
+│       ├── 002.png
+│       ├── 002.txt
+│       └── ...
+└── model/                     # 训练输出目录（需提前创建）
+```
+
+发起训练请求：
+
+```bash
+curl -X POST http://127.0.0.1:32678/api/hair/train \
+  -H "Content-Type: application/json" \
+  -d "{
+    \"task_id\": \"train_001\",
+    \"hair_id\": \"test_hair\",
+    \"hair_material_dir\": \"/home/xxx/change_hair_3090/data/tmp/test_material\"
+  }"
+```
+
+训练日志查看：
+```bash
+tail -f logs/photo_service.log
+# 训练开始后会看到 cmd_train 输出
+# 训练完成后会在 hair_material_dir/model/ 下生成 hairstyle_hd_lora.safetensors
+```
+
+训练参数（已在代码中固定）：
+- 底模：`v1-5-pruned-emaonly.safetensors`
+- 训练步数：1500 步
+- 分辨率：2000x2000
+- LoRA dim：128，alpha：64
+- 优化器：AdamW8bit
+- 精度：fp16
+
+---
+
+## 8. API 接口参考
+
+### 8.1 换发色 API
+
+| 项目 | 值 |
+|------|-----|
+| URL | `POST http://<IP>:8801/hairColor/v2` |
+| 参数 | `img`（base64或URL）, `userId`, `rgb`（如`"120,60,30"`） |
+| 返回 | JSON，含换色后的图片 URL 或 base64 |
+
+### 8.2 换发型 API
+
+| 项目 | 值 |
+|------|-----|
+| URL | `POST http://<IP>:8801/api/swapHair/v1` |
+| 参数 | `hair_id`, `task_id`, `is_hr`, `user_img_path`（base64或URL）, `output_format`（可选） |
+| 返回 | JSON，含换发后的图片 URL 或 base64 |
+
+### 8.3 训练 API
+
+| 项目 | 值 |
+|------|-----|
+| URL | `POST http://<IP>:32678/api/hair/train` |
+| 参数 | `task_id`, `hair_id`, `hair_material_dir`（训练素材目录绝对路径） |
+| 返回 | `{"state": 0, "msg": "头发lora训练开始", "task_id": "..."}` |
+| 训练回调 | 训练完成/失败后 POST 到 `http://127.0.0.1:8801/api/hair/trainCallBack` |
+
+### 8.4 推理 API
+
+| 项目 | 值 |
+|------|-----|
+| URL | `POST http://<IP>:32678/api/hair/inference` |
+| 参数 | `hair_id`, `inference_port`, `hair_material_dir`, `request_json`（SD WebUI img2img 请求体） |
+
+---
+
+## 9. 停止与重启服务
+
+### 9.1 停止所有服务
+
+```bash
+./stop_all_services.sh
+```
+
+输出：
+```
+=== 停止换发型服务 ===
+  ✓ 已停止 hair_service_sd (端口 8801, PID xxxx)
+  ✓ 已停止 webui (端口 57860, PID xxxx)
+  ✓ 已停止 photo_service (端口 32678, PID xxxx)
+```
+
+### 9.2 重启服务
+
+```bash
+./stop_all_services.sh
+./start_all_services.sh
+```
+
+### 9.3 手动停止单个服务
+
+```bash
+kill $(lsof -t -i:8801)     # 停止换发服务
+kill $(lsof -t -i:57860)    # 停止 WebUI
+kill $(lsof -t -i:32678)    # 停止训练服务
+```
+
+---
+
+## 10. 常见问题排查
+
+### 10.1 setup.sh 报错 "conda 未安装"
+
+```bash
+# 确认 conda 已安装
+which conda
+# 如果没有，参考第2.2节安装 Miniconda
+```
+
+### 10.2 setup.sh 报错 "CONDA_BASE 不正确"
+
+```bash
+# 查找 conda 安装路径
+which conda
+# 或
+conda info --base
+
+# 设置后重新运行
+export CONDA_BASE=$(conda info --base)
+./setup.sh
+```
+
+### 10.3 py310 环境创建失败（网络问题）
+
+py310 环境需要从 PyPI 下载 pip 包（flask、gevent、opencv-python 等）。如果网络不通：
+
+```bash
+# 使用国内 PyPI 镜像
+pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
+
+# 手动创建
+conda create -n py310 python=3.10 -y
+conda activate py310
+pip install flask==3.0.3 gevent==24.2.1 opencv-python==4.10.0.84 numpy==2.0.0 scipy==1.14.0 scikit-image==0.24.0 pillow==10.4.0 requests==2.32.3
+```
+
+### 10.4 start_all_services.sh 报 "端口已被占用"
+
+```bash
+# 先停止已有服务
+./stop_all_services.sh
+
+# 确认端口已释放
+lsof -i :8801
+lsof -i :57860
+lsof -i :32678
+
+# 重新启动
+./start_all_services.sh
+```
+
+### 10.5 WebUI 启动失败
+
+```bash
+# 查看详细日志
+tail -100 logs/webui.log
+
+# 常见原因：
+# 1. 模型文件缺失 → 检查 stable-diffusion-webui/models/Stable-diffusion/
+# 2. 显存不足 → 检查 nvidia-smi
+# 3. xformers 兼容性 → 尝试去掉 --xformers 参数
+```
+
+### 10.6 训练失败
+
+```bash
+# 查看训练日志
+tail -100 logs/photo_service.log
+
+# 常见原因：
+# 1. 训练素材目录结构不对 → 参考 7.4 节
+# 2. 底模缺失 → 检查 v1-5-pruned-emaonly.safetensors
+# 3. .local 包损坏 → 重新从网盘下载 kohya_ss_home/.local/
+# 4. kohya 环境问题 → 重新运行 setup.sh
+```
+
+### 10.7 GPU 不可用（CUDA error）
+
+```bash
+# 检查驱动
+nvidia-smi
+
+# 检查 CUDA
+nvcc --version
+
+# 测试 torch CUDA
+CONDA_BASE=$(conda info --base)
+PYTHONPATH=$PWD/kohya_ss_home/.local/lib/python3.10/site-packages \
+  $CONDA_BASE/envs/kohya/bin/python -c "import torch; print(torch.cuda.is_available())"
+# 应输出 True
+```
+
+### 10.8 内存不足（OOM）
+
+3090 有 24GB 显存。如果同时运行三个服务出现 OOM：
+```bash
+# 先停止不需要的服务
+./stop_all_services.sh
+
+# 只启动需要的服务（如只换发型）
+$CONDA_BASE/envs/my_hair/bin/python hair_service_sd/run_copy_cost_colorb64.py &
+$CONDA_BASE/envs/sdwebui/bin/python stable-diffusion-webui/webui.py --api --listen --xformers --port 57860 &
+```
+
+---
+
+## 11. 架构说明
+
+### 11.1 系统架构
+
+```
+                          用户请求
+                             │
+               ┌─────────────┼─────────────┐
+               │             │             │
+               ▼             ▼             ▼
+        ┌──────────┐  ┌──────────┐  ┌──────────────┐
+        │hair_service│  │photo_service│  │stable-diffusion│
+        │  _sd      │  │            │  │  -webui        │
+        │ (8801)    │  │ (32678)   │  │  (57860)       │
+        └────┬─────┘  └─────┬─────┘  └───────┬────────┘
+             │              │                 │
+             │         训练子进程              │
+             │              │                 │
+             │     ┌────────┴────────┐        │
+             │     │ kohya conda env │        │
+             │     │ + .local/ 包    │        │
+             │     │ accelerate      │        │
+             │     │ train_network   │        │
+             │     └─────────────────┘        │
+             │                                 │
+             ▼                                 ▼
+        weights/                        models/Stable-diffusion/
+        (换发模型)                       v1-5-pruned-emaonly.safetensors
+                                         models/Lora/ (228个LoRA)
+```
+
+### 11.2 数据流
+
+**换发型/换发色**：
+```
+用户图片 → hair_service_sd(8801) → 调用 WebUI(57860) img2img → 返回结果
+```
+
+**训练 LoRA**：
+```
+训练素材 → photo_service(32678) → kohya环境+accelerate → train_network.py → 生成 LoRA
+```
+
+**训练后推理**：
+```
+用户图片 + LoRA → photo_service(32678) → 复制LoRA到webui/models/Lora/ → WebUI img2img → 返回
+```
+
+### 11.3 conda 环境说明
+
+| 环境 | 用途 | 包含内容 | 大小 |
+|------|------|---------|------|
+| my_hair | 换发算法服务 | torch, cv2, flask, 换发依赖 | 4.2G |
+| sdwebui | SD WebUI | torch, xformers, webui 依赖 | 3.6G |
+| py310 | 训练调度服务 | flask, gevent, cv2, numpy 2.0 | ~500M |
+| kohya | LoRA 训练 | Python 3.10, numpy 1.24 | 84M |
+| .local/ | 训练大包（非conda） | torch 2.0.1, accelerate, diffusers | 7.6G |
+
+kohya 环境通过 `PYTHONPATH` 指向 `.local/` 目录来复用训练大包，避免重复下载。
+
+---
+
+## 附录：完整部署速查
+
+```bash
+# 1. 安装 conda（如未安装）
+wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
+bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3
+source ~/.bashrc
+
+# 2. Clone 代码
+cd ~
+git clone <仓库地址> change_hair_3090
+cd change_hair_3090
+
+# 3. 下载网盘文件（合并到项目根目录）
+# ... 手动下载 ...
+
+# 4. 部署
+chmod +x setup.sh start_all_services.sh stop_all_services.sh
+./setup.sh
+
+# 5. 启动
+./start_all_services.sh
+
+# 6. 验证
+curl http://127.0.0.1:8801/
+curl http://127.0.0.1:57860/sdapi/v1/options
+curl http://127.0.0.1:32678/
+
+# 7. 停止
+./stop_all_services.sh
+```
diff --git a/conda_envs/py310.yml b/conda_envs/py310.yml
index 5277234..155cf6a 100644
--- a/conda_envs/py310.yml
+++ b/conda_envs/py310.yml
@@ -52,4 +52,3 @@ dependencies:
       - werkzeug==3.0.3
       - zope-event==5.0
       - zope-interface==6.4.post2
-prefix: /home/szlc/miniconda3/envs/py310
diff --git a/setup.sh b/setup.sh
index e7faa9c..3120bae 100755
--- a/setup.sh
+++ b/setup.sh
@@ -1,8 +1,14 @@
 #!/bin/bash
-set -e
 
 BASE_DIR="$(cd "$(dirname "$0")" && pwd)"
-CONDA_BASE="${CONDA_BASE:-/home/szlc/miniconda3}"
+
+# 自动检测 conda 安装路径（优先用环境变量，其次用 conda info --base）
+if [ -z "$CONDA_BASE" ]; then
+    if command -v conda >/dev/null 2>&1; then
+        CONDA_BASE="$(conda info --base 2>/dev/null)"
+    fi
+fi
+CONDA_BASE="${CONDA_BASE:-$HOME/miniconda3}"
 
 # 初始化 conda（脚本中需要 source 才能用 conda activate）
 if [ -f "$CONDA_BASE/etc/profile.d/conda.sh" ]; then
@@ -13,68 +19,112 @@ fi
 
 echo "=== 换发型项目部署脚本 ==="
 echo "BASE_DIR: $BASE_DIR"
+echo "CONDA_BASE: $CONDA_BASE"
+echo ""
+
+ERRORS=()
 
 # 1. 检查前提条件
-echo "[1/7] 检查前提条件..."
-command -v git >/dev/null || { echo "ERROR: git 未安装"; exit 1; }
-command -v conda >/dev/null || { echo "ERROR: conda 未安装"; exit 1; }
-nvidia-smi >/dev/null 2>&1 || { echo "ERROR: NVIDIA 驱动未安装"; exit 1; }
+echo "[1/8] 检查前提条件..."
+command -v git >/dev/null || { echo "  ✗ git 未安装"; ERRORS+=("git"); }
+command -v conda >/dev/null || { echo "  ✗ conda 未安装"; ERRORS+=("conda"); }
+nvidia-smi >/dev/null 2>&1 || { echo "  ✗ NVIDIA 驱动未安装"; ERRORS+=("nvidia-smi"); }
+if [ ${#ERRORS[@]} -eq 0 ]; then
+    echo "  ✓ 前提条件满足"
+fi
 
 # 2. 生成 configure.ini
-echo "[2/7] 生成 configure.ini..."
+echo "[2/8] 生成 configure.ini..."
 sed "s|__BASE_DIR__|$BASE_DIR|g" "$BASE_DIR/hair_service_sd/config/configure.ini.template" > "$BASE_DIR/hair_service_sd/config/configure.ini"
-echo "  configure.ini 已生成"
+echo "  ✓ configure.ini 已生成"
 
 # 3. 恢复 conda 环境（conda-pack）
-echo "[3/7] 恢复 conda 环境..."
+echo "[3/8] 恢复 conda 环境（my_hair, sdwebui, kohya）..."
 for env_name in my_hair sdwebui kohya; do
     if [ -f "$BASE_DIR/conda_envs/${env_name}.tar.gz" ]; then
         echo "  恢复 $env_name ..."
         rm -rf "$CONDA_BASE/envs/$env_name"
         mkdir -p "$CONDA_BASE/envs/$env_name"
         tar -xzf "$BASE_DIR/conda_envs/${env_name}.tar.gz" -C "$CONDA_BASE/envs/$env_name"
-        conda activate "$env_name"
-        conda-unpack  # 修复打包后的硬编码路径
-        conda deactivate
+        conda activate "$env_name" 2>/dev/null
+        conda-unpack 2>/dev/null  # 修复打包后的硬编码路径
+        conda deactivate 2>/dev/null
         echo "  ✓ $env_name 已恢复"
     else
         echo "  ✗ conda_envs/${env_name}.tar.gz 不存在，请从网盘下载"
+        ERRORS+=("conda_envs/${env_name}.tar.gz")
     fi
 done
 
 # 4. 创建 py310 环境（从 yml）
-echo "[4/7] 创建 py310 环境..."
+echo "[4/8] 创建 py310 环境（从 yml）..."
 if [ -f "$BASE_DIR/conda_envs/py310.yml" ]; then
-    conda env create -f "$BASE_DIR/conda_envs/py310.yml" -n py310 2>/dev/null || echo "  py310 环境已存在，跳过"
-    echo "  ✓ py310 已就绪"
+    conda env create -f "$BASE_DIR/conda_envs/py310.yml" -n py310 2>/dev/null && echo "  ✓ py310 已创建" || echo "  ℹ py310 环境已存在，跳过"
 else
     echo "  ✗ conda_envs/py310.yml 不存在"
+    ERRORS+=("conda_envs/py310.yml")
 fi
 
 # 5. 检查模型/数据目录
-echo "[5/7] 检查模型和数据目录..."
+echo "[5/8] 检查模型和数据目录..."
 for dir in hair_service_sd/weights stable-diffusion-webui/models/Lora stable-diffusion-webui/models/Stable-diffusion stable-diffusion-webui/extensions/sd-webui-controlnet stable-diffusion-webui/repositories kohya_ss_home/.local kohya_ss_home/kohya_ss data/ref_hairstyle; do
     if [ -d "$BASE_DIR/$dir" ]; then
         echo "  ✓ $dir"
     else
         echo "  ✗ $dir 缺失，请从网盘下载"
+        ERRORS+=("$dir")
     fi
 done
 
 # 6. 检查训练底模
-echo "[6/7] 检查训练底模 v1-5-pruned-emaonly..."
+echo "[6/8] 检查训练底模 v1-5-pruned-emaonly..."
 if [ -f "$BASE_DIR/stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors" ]; then
     echo "  ✓ v1-5-pruned-emaonly.safetensors 已存在"
 else
     echo "  ✗ v1-5-pruned-emaonly.safetensors 缺失，请从网盘下载 models/ 目录"
+    ERRORS+=("v1-5-pruned-emaonly.safetensors")
 fi
 
 # 7. 创建运行时目录
-echo "[7/7] 创建运行时目录..."
+echo "[7/8] 创建运行时目录..."
 mkdir -p "$BASE_DIR/logs"
 mkdir -p "$BASE_DIR/data/tmp" "$BASE_DIR/data/res_dir" "$BASE_DIR/data/userImage" "$BASE_DIR/data/user_info"
 mkdir -p "$BASE_DIR/kohya_ss_home/train_material"
+echo "  ✓ 运行时目录已创建"
+
+# 8. 验证 kohya 训练环境
+echo "[8/8] 验证 kohya 训练环境..."
+KOHYA_PYTHON="$CONDA_BASE/envs/kohya/bin/python"
+KOHYA_LOCAL="$BASE_DIR/kohya_ss_home/.local/lib/python3.10/site-packages"
+if [ -f "$KOHYA_PYTHON" ] && [ -d "$KOHYA_LOCAL" ]; then
+    echo "  测试 torch/accelerate 加载..."
+    if PYTHONPATH="$KOHYA_LOCAL" "$KOHYA_PYTHON" -c "
+import torch, accelerate, bitsandbytes, diffusers
+print(f'  torch={torch.__version__} cuda={torch.cuda.is_available()}')
+print(f'  accelerate={accelerate.__version__}')
+print('  ✓ 训练环境验证通过')
+" 2>/dev/null; then
+        true
+    else
+        echo "  ✗ 训练环境验证失败，请检查 kohya 环境和 .local 目录"
+        ERRORS+=("kohya验证")
+    fi
+else
+    echo "  ✗ kohya Python 或 .local 目录不存在，跳过验证"
+    ERRORS+=("kohya环境")
+fi
 
 echo ""
-echo "=== 部署完成 ==="
+echo "=== 部署结果 ==="
+if [ ${#ERRORS[@]} -eq 0 ]; then
+    echo "✓ 所有检查通过，部署完成！"
+else
+    echo "⚠ 有 ${#ERRORS[@]} 个问题需要处理："
+    for err in "${ERRORS[@]}"; do
+        echo "  - $err"
+    done
+    echo ""
+    echo "请从网盘下载缺失的文件后重新运行 ./setup.sh"
+fi
+echo ""
 echo "启动服务: ./start_all_services.sh"
diff --git a/start_all_services.sh b/start_all_services.sh
index 96895a4..fc693ff 100755
--- a/start_all_services.sh
+++ b/start_all_services.sh
@@ -1,24 +1,87 @@
 #!/bin/bash
+
 BASE_DIR="$(cd "$(dirname "$0")" && pwd)"
-CONDA_BASE="${CONDA_BASE:-/home/szlc/miniconda3}"
+
+# 自动检测 conda 安装路径
+if [ -z "$CONDA_BASE" ]; then
+    if command -v conda >/dev/null 2>&1; then
+        CONDA_BASE="$(conda info --base 2>/dev/null)"
+    fi
+fi
+CONDA_BASE="${CONDA_BASE:-$HOME/miniconda3}"
 export CONDA_BASE
 
 mkdir -p "$BASE_DIR/logs"
 
+# 检查端口是否被占用，如占用则提示
+check_port() {
+    local port=$1
+    local name=$2
+    if lsof -i :$port >/dev/null 2>&1; then
+        echo "⚠ 端口 $port ($name) 已被占用，可能服务已在运行"
+        echo "  如需重启，请先运行: ./stop_all_services.sh"
+        return 1
+    fi
+    return 0
+}
+
+echo "=== 启动换发型服务 ==="
+echo "BASE_DIR: $BASE_DIR"
+echo "CONDA_BASE: $CONDA_BASE"
+echo ""
+
+# 检查 conda 环境是否存在
+for env_name in my_hair sdwebui py310; do
+    if [ ! -f "$CONDA_BASE/envs/$env_name/bin/python" ]; then
+        echo "✗ conda 环境 $env_name 不存在，请先运行 ./setup.sh"
+        exit 1
+    fi
+done
+
 # 1. hair_service_sd (端口 8801)
-cd "$BASE_DIR/hair_service_sd"
-nohup "$CONDA_BASE/envs/my_hair/bin/python" run_copy_cost_colorb64.py > "$BASE_DIR/logs/hair_service.log" 2>&1 &
-echo "hair_service_sd 已启动 (PID: $!, 端口 8801)"
+echo "[1/3] 启动 hair_service_sd (端口 8801)..."
+if check_port 8801 "hair_service_sd"; then
+    cd "$BASE_DIR/hair_service_sd"
+    nohup "$CONDA_BASE/envs/my_hair/bin/python" run_copy_cost_colorb64.py > "$BASE_DIR/logs/hair_service.log" 2>&1 &
+    echo "  hair_service_sd 已启动 (PID: $!, 端口 8801)"
+fi
 
 # 2. stable-diffusion-webui (端口 57860)
-cd "$BASE_DIR/stable-diffusion-webui"
-nohup "$CONDA_BASE/envs/sdwebui/bin/python" webui.py --api --listen --xformers --port 57860 > "$BASE_DIR/logs/webui.log" 2>&1 &
-echo "stable-diffusion-webui 已启动 (PID: $!, 端口 57860)"
+echo "[2/3] 启动 stable-diffusion-webui (端口 57860)..."
+if check_port 57860 "webui"; then
+    cd "$BASE_DIR/stable-diffusion-webui"
+    nohup "$CONDA_BASE/envs/sdwebui/bin/python" webui.py --api --listen --xformers --port 57860 > "$BASE_DIR/logs/webui.log" 2>&1 &
+    echo "  stable-diffusion-webui 已启动 (PID: $!, 端口 57860)"
+    echo "  ℹ WebUI 首次启动需加载模型（约 30-60 秒），请耐心等待"
+fi
 
 # 3. photo_service (端口 32678)
-cd "$BASE_DIR/photo_service"
-nohup "$CONDA_BASE/envs/py310/bin/python" lora_train_service_1.py > "$BASE_DIR/logs/photo_service.log" 2>&1 &
-echo "photo_service 已启动 (PID: $!, 端口 32678)"
+echo "[3/3] 启动 photo_service (端口 32678)..."
+if check_port 32678 "photo_service"; then
+    cd "$BASE_DIR/photo_service"
+    nohup "$CONDA_BASE/envs/py310/bin/python" lora_train_service_1.py > "$BASE_DIR/logs/photo_service.log" 2>&1 &
+    echo "  photo_service 已启动 (PID: $!, 端口 32678)"
+fi
 
 echo ""
-echo "所有服务已在后台启动，日志在 $BASE_DIR/logs/"
+echo "=== 所有服务已启动 ==="
+echo "日志目录: $BASE_DIR/logs/"
+echo ""
+echo "查看日志:"
+echo "  tail -f $BASE_DIR/logs/hair_service.log   # 换发型/换发色"
+echo "  tail -f $BASE_DIR/logs/webui.log          # SD WebUI"
+echo "  tail -f $BASE_DIR/logs/photo_service.log  # 训练服务"
+echo ""
+echo "停止服务: ./stop_all_services.sh"
+echo ""
+echo "等待 WebUI 就绪（检查端口 57860）..."
+for i in $(seq 1 60); do
+    if curl -s http://127.0.0.1:57860/sdapi/v1/options >/dev/null 2>&1; then
+        echo "✓ WebUI 已就绪"
+        break
+    fi
+    sleep 2
+    if [ $i -eq 60 ]; then
+        echo "⚠ WebUI 60 秒内未就绪，请检查日志: tail -f $BASE_DIR/logs/webui.log"
+    fi
+done
diff --git a/stop_all_services.sh b/stop_all_services.sh
new file mode 100755
index 0000000..d42de06
--- /dev/null
+++ b/stop_all_services.sh
@@ -0,0 +1,19 @@
+#!/bin/bash
+
+echo "=== 停止换发型服务 ==="
+
+# 按端口停止服务
+for port_info in "8801:hair_service_sd" "57860:webui" "32678:photo_service"; do
+    port="${port_info%%:*}"
+    name="${port_info##*:}"
+    if lsof -i :$port >/dev/null 2>&1; then
+        pid=$(lsof -t -i :$port)
+        kill $pid 2>/dev/null
+        echo "  ✓ 已停止 $name (端口 $port, PID $pid)"
+    else
+        echo "  ℹ $name 未在运行 (端口 $port)"
+    fi
+done
+
+echo ""
+echo "=== 所有服务已停止 ==="