训练功能改用本地 kohya conda 环境执行，移除 Docker 依赖

- lora_train_service_1.py: 将 sudo docker run 命令替换为本地
  python -m accelerate.commands.launch，通过 PYTHONPATH 复用 .local/
  下的 torch/accelerate/bitsandbytes 等包
- setup.sh: 添加 kohya 环境到 conda-pack 恢复列表
- start_all_services.sh: 导出 CONDA_BASE 供 photo_service 读取
- README.md: 添加 kohya.tar.gz 到网盘下载清单
- 已验证: 训练命令可完整执行（加载底模→创建LoRA→训练→保存）

README.md

@@ -47,8 +47,9 @@ cd ~/change_hair_3090
 | kohya_ss_home/.cache/ | 3.3M | CLIP 缓存 |
 | kohya_ss_home/kohya_ss/ | 439M | 训练代码 |
 | data/ | 4.9G | 业务数据 |
-| conda_envs/my_hair.tar.gz | ~5G | conda 环境 |
-| conda_envs/sdwebui.tar.gz | ~4G | conda 环境 |
+| conda_envs/my_hair.tar.gz | ~5G | conda 环境（换发算法） |
+| conda_envs/sdwebui.tar.gz | ~4G | conda 环境（SD WebUI） |
+| conda_envs/kohya.tar.gz | 84M | conda 环境（LoRA 训练，仅含 Python+numpy，大包在 .local/） |
 
 ### 3. 运行部署脚本
 
@@ -59,7 +60,7 @@ chmod +x setup.sh start_all_services.sh
 
 setup.sh 会：
 1. 生成 configure.ini（自动替换路径）
-2. 恢复 conda 环境（my_hair, sdwebui, py310）
+2. 恢复 conda 环境（my_hair, sdwebui, kohya 从 conda-pack 恢复；py310 从 yml 创建）
 3. 检查模型和数据目录完整性
 4. 创建运行时目录
 
@@ -75,7 +76,7 @@ setup.sh 会：
 |------|------|-----------|------|
 | 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 |
+| photo_service | 32678 | py310 | LoRA 训练调度（训练子进程使用 kohya 环境 + .local 包） |
 
 ## 查看日志