完善部署脚本兼容性并生成详细部署手册

- 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

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"