change_hair_3090/README.md

换发型项目

AI 换发型/换发色/训练发型服务，基于 Stable Diffusion + ControlNet + LoRA。

项目结构

change_hair_3090/
├── hair_service_sd/          # 换发算法服务 (端口 8801)
├── photo_service/            # LoRA 训练服务 (端口 32678)
├── stable-diffusion-webui/   # SD WebUI 推理服务 (端口 57860)
├── kohya_ss_home/            # kohya_ss 训练环境
├── data/                     # 业务数据（发型参考图、用户图片等）
├── conda_envs/               # conda 环境打包文件
├── setup.sh                  # 一键部署脚本
├── start_all_services.sh     # 启动所有服务
└── README.md

前提条件

• Ubuntu 22.04
• NVIDIA 3090 GPU + 驱动
• conda (Miniconda/Anaconda)
• git

部署步骤

1. Clone 代码

git clone <repo_url> ~/change_hair_3090
cd ~/change_hair_3090

2. 下载网盘文件

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（合计约 62G）：

文件	大小	说明
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）
sd_base_models.tar.gz	3.6G	SD 底模
lora_0-9.tar.gz	29G	LoRA 模型（约 228 个）
lora_h.tar.gz	132M	LoRA 模型
lora_n.tar.gz	132M	LoRA 模型
lora_t.tar.gz	791M	LoRA 模型
weights.tar.gz	9.2G	换发算法模型
kohya_local.tar.gz	3.4G	训练 pip 包（torch、accelerate 等）
kohya_code.tar.gz	365M	kohya_ss 训练代码
data.tar.gz	3.4G	业务数据
webui_controlnet.tar.gz	4.1G	ControlNet 扩展
webui_repositories.tar.gz	221M	SD 依赖仓库

下载后执行解压脚本：

# 将 cloud_packages/ 目录放到项目根目录后
./setup.sh

3. 运行部署脚本

chmod +x setup.sh start_all_services.sh
./setup.sh

setup.sh 会：

1. 生成 configure.ini（自动替换路径）
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

4. 启动服务

./start_all_services.sh

服务说明

服务	端口	conda 环境	说明
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 + .local 包）

查看日志

tail -f logs/hair_service.log
tail -f logs/webui.log
tail -f logs/photo_service.log

停止服务

# 按端口查找并停止
kill $(lsof -t -i:8801)
kill $(lsof -t -i:57860)
kill $(lsof -t -i:32678)

常见问题

conda 环境恢复失败

确保 CONDA_BASE 环境变量指向你的 conda 安装路径（默认 /home/szlc/miniconda3）：

export CONDA_BASE=/your/conda/path
./setup.sh

GPU 不可用

检查 NVIDIA 驱动和 CUDA：

nvidia-smi

WebUI 启动慢

首次启动需要加载模型（约 30-60 秒），请耐心等待。查看 logs/webui.log 确认状态。

路径问题

所有路径通过 BASE_DIR 自动推导，configure.ini 由 setup.sh 自动生成。如需手动修改配置，编辑 hair_service_sd/config/configure.ini.template 后重新运行 setup.sh。