change_hair_3090/.trae/documents/迁移收尾计划.md

换发型项目迁移收尾计划

背景

项目从 /home/szlc/project 迁移到 /home/szlc/change_hair_3090。前序工作已完成代码复制和大部分路径修改。本计划覆盖剩余的收尾工作。

当前状态

已完成

• ✅ 代码复制：hair_service_sd (代码+weights 9.9G)、photo_service (1.9M)、stable-diffusion-webui (代码+extensions 4.4G+repositories 225M)、meidaojia (124K)、kohya_ss_home (kohya_ss 439M + .local 7.6G + .cache 3.3M)、data (4.9G)
• ✅ configure.ini.template 创建 + configure.ini 生成
• ✅ lora_train_service_1.py 修改（BASE_DIR + Docker 命令路径修正）
• ✅ watch_delete.py 修改（从 config 读取路径）
• ✅ gunicorn_config.py 修改（注释 chdir）
• ✅ config.json 修改（删除 onediff 配置，改 sd_model_checkpoint）
• ✅ git init（main 分支，无提交）

未完成（本计划覆盖）

1. ❌ stable-diffusion-webui/models/ 目录未复制（41G，含 228 个 LoRA 33G + v1-5-pruned 4G + 辅助模型）
2. ❌ hairstyle_model_infer.py:1096 未注释（活跃代码，换发色会崩溃）
3. ❌ .gitignore 未创建
4. ❌ setup.sh 未创建
5. ❌ start_all_services.sh 未创建
6. ❌ README.md 未创建
7. ❌ conda 环境未导出（my_hair, sdwebui, py310）
8. ❌ git commit 未执行

用户决策

• Docker 镜像 chinatszrn/ubuntu:kohya_ss 不需要导出（用户表示当前训练已不用 Docker）
• majicmixRealistic_v7.safetensors 用户会从网上下载
• onediff 不迁移

服务启动方式（从 .bash 脚本确认）

服务	端口	conda 环境	启动命令
hair_service_sd	8801	my_hair	python run_copy_cost_colorb64.py
stable-diffusion-webui	57860	sdwebui	python webui.py --api --listen --xformers --port 57860
photo_service	32678	py310	python lora_train_service_1.py

---

执行步骤

步骤 1：复制 models/ 目录（41G）

源：/home/szlc/project/onediff/stable-diffusion-webui/models/ 目标：/home/szlc/change_hair_3090/stable-diffusion-webui/models/

rsync -av --progress /home/szlc/project/onediff/stable-diffusion-webui/models/ /home/szlc/change_hair_3090/stable-diffusion-webui/models/

包含：

• Lora/ (33G, 228 个 LoRA 文件)
• Stable-diffusion/ (4G, v1-5-pruned-emaonly.safetensors)
• ESRGAN/ (1.2G)、BLIP/ (855M)、torch_deepdanbooru/ (615M)、roop/ (529M)、GFPGAN/ (519M)、Codeformer/ (360M)、RealESRGAN/ (64M) 等

注意：majicmixRealistic_v7.safetensors 不在源目录中，用户会单独下载。

步骤 2：注释 hairstyle_model_infer.py:1096

文件：hair_service_sd/hairstyle_model_infer.py

第 1096 行：

# 修改前
cv2.imwrite('/home/student/Desktop/tmp_color/need/face_base2.png', user_res_8uc3_orisize2)
# 修改后
# cv2.imwrite('/home/student/Desktop/tmp_color/need/face_base2.png', user_res_8uc3_orisize2)  # 调试用，路径不存在会导致崩溃

步骤 3：创建 .gitignore

文件：/home/szlc/change_hair_3090/.gitignore

# Python
__pycache__/
*.pyc
*.pyo
*.egg-info/
.eggs/

# IDE
.idea/
.vscode/

# Logs
*.log
nohup.out
/logs/

# 大文件目录（网盘上传）— 注意 /data/ 用前导斜杠仅匹配顶层
hair_service_sd/weights/
stable-diffusion-webui/models/
stable-diffusion-webui/extensions/sd-webui-controlnet/
stable-diffusion-webui/repositories/
kohya_ss_home/.local/
kohya_ss_home/.cache/
kohya_ss_home/kohya_ss/
/data/
conda_envs/*.tar.gz
docker/

# 运行时生成（setup.sh 生成）
hair_service_sd/config/configure.ini
*.pid

# 注意：hair_service_sd/data/ (19M 小静态文件) 不排除，需 git 管理
# 注意：conda_envs/py310.yml 不排除，需 git 管理
# 注意：kohya_ss_home/start_docker.sh 不排除，需 git 管理

步骤 4：创建 setup.sh

文件：/home/szlc/change_hair_3090/setup.sh

功能：

1. 检查前提条件（conda, git, nvidia-docker）
2. 从 template 生成 configure.ini（sed 替换 __BASE_DIR__）
3. 用 conda-pack 恢复 my_hair 和 sdwebui 环境
4. 用 yml 创建 py310 环境
5. 检查模型/数据目录完整性
6. 检查 majicmixRealistic_v7.safetensors 是否存在
7. 创建运行时目录（tmp, res_dir, userImage 等）

#!/bin/bash
set -e

BASE_DIR="$(cd "$(dirname "$0")" && pwd)"
CONDA_BASE="${CONDA_BASE:-/home/szlc/miniconda3}"

# 初始化 conda（脚本中需要 source 才能用 conda activate）
if [ -f "$CONDA_BASE/etc/profile.d/conda.sh" ]; then
    source "$CONDA_BASE/etc/profile.d/conda.sh"
else
    echo "WARNING: 未找到 conda.sh，请确认 CONDA_BASE=$CONDA_BASE 正确"
fi

echo "=== 换发型项目部署脚本 ==="
echo "BASE_DIR: $BASE_DIR"

# 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; }

# 2. 生成 configure.ini
echo "[2/7] 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"

# 3. 恢复 conda 环境（conda-pack）
echo "[3/7] 恢复 conda 环境..."
for env_name in my_hair sdwebui; 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
        echo "  ✓ $env_name 已恢复"
    else
        echo "  ✗ conda_envs/${env_name}.tar.gz 不存在，请从网盘下载"
    fi
done

# 4. 创建 py310 环境（从 yml）
echo "[4/7] 创建 py310 环境..."
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"
else
    echo "  ✗ conda_envs/py310.yml 不存在"
fi

# 5. 检查模型/数据目录
echo "[5/7] 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"
    fi
done

# 6. 检查训练底模
echo "[6/7] 检查 majicmixRealistic_v7..."
if [ -f "$BASE_DIR/stable-diffusion-webui/models/Stable-diffusion/majicmixRealistic_v7.safetensors" ]; then
    echo "  ✓ majicmixRealistic_v7.safetensors 已存在"
else
    echo "  ✗ majicmixRealistic_v7.safetensors 缺失，请从网上下载并放置到 stable-diffusion-webui/models/Stable-diffusion/"
fi

# 7. 创建运行时目录
echo "[7/7] 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 ""
echo "=== 部署完成 ==="
echo "启动服务: ./start_all_services.sh"

步骤 5：创建 start_all_services.sh

文件：/home/szlc/change_hair_3090/start_all_services.sh

#!/bin/bash
BASE_DIR="$(cd "$(dirname "$0")" && pwd)"
CONDA_BASE="${CONDA_BASE:-/home/szlc/miniconda3}"

# 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: $!)"

# 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: $!)"

# 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: $!)"

echo "所有服务已在后台启动，日志在 $BASE_DIR/logs/"

步骤 6：创建 README.md

文件：/home/szlc/change_hair_3090/README.md

内容包含：

• 项目简介（3 个微服务）
• 目录结构
• 前提条件（Ubuntu 22.04, 3090 GPU, conda, git）
• 部署步骤（git clone → 下载网盘文件 → ./setup.sh → ./start_all_services.sh）
• 网盘文件清单（models/, weights/, data/, conda_envs/, etc.）
• 服务端口说明
• 常见问题

步骤 7：导出 conda 环境

# 安装 conda-pack
conda install -n base -c conda-forge conda-pack -y

# 导出 my_hair (10G → ~5G 压缩)
conda pack -n my_hair -o /home/szlc/change_hair_3090/conda_envs/my_hair.tar.gz --force

# 导出 sdwebui (7.3G → ~4G 压缩)
conda pack -n sdwebui -o /home/szlc/change_hair_3090/conda_envs/sdwebui.tar.gz --force

# 导出 py310 (yml)
conda env export -n py310 --no-builds > /home/szlc/change_hair_3090/conda_envs/py310.yml

注意：conda-pack 可能需要较长时间（每个环境 5-10 分钟），建议后台执行。

步骤 8：Git 提交

cd /home/szlc/change_hair_3090
git add .
# 验证大文件未被追踪
git status --short | grep -E "\.(safetensors|pth|pt|tar\.gz|tar)$"  # 应无输出
git commit -m "初始化换发型项目：3个微服务代码 + 部署脚本"

---

验证步骤

路径一致性验证

# 检查无残留旧路径（注释行除外）
grep -rn "/home/szlc/project\|/gz-fs\|/mnt/nas_hdd\|/root/project" /home/szlc/change_hair_3090/ --include="*.py" --include="*.ini" --include="*.sh" | grep -v "^.*:#"
# 应无输出或仅匹配注释行

Git 追踪验证

# 大文件不应被追踪
git status --short | grep -E "weights/|models/.*safetensors|\.tar\.gz|\.tar$"
# 应无输出

目录完整性验证

# 关键目录存在
for d in hair_service_sd/weights stable-diffusion-webui/models/Lora stable-diffusion-webui/models/Stable-diffusion stable-diffusion-webui/extensions/sd-webui-controlnet kohya_ss_home/.local data/ref_hairstyle; do
    [ -d "$d" ] && echo "✓ $d" || echo "✗ $d 缺失"
done

---

网盘上传清单

路径	大小	说明
hair_service_sd/weights/	10G	换发算法模型
stable-diffusion-webui/models/	41G	SD模型+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
kohya_ss_home/.local/	7.6G	训练pip包
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
合计	约 78G

---

关键风险

1. hairstyle_model_infer.py:1096 — 活跃代码路径中的 cv2.imwrite('/home/student/Desktop/...')，不注释会导致换发色功能崩溃
2. majicmixRealistic_v7.safetensors — 训练底模不在源目录中，用户需从网上下载
3. conda-pack glibc 兼容性 — 源机器和目标机器需同为 Ubuntu 且 glibc 版本兼容
4. Docker 训练 — 当前代码仍含 Docker 命令，用户表示不再需要 Docker 训练，代码可能需要后续修改