Z-Image-Turbo Sugar 脸部 LoRA 部署与使用指南
本指南介绍基于 Z-Image-Turbo 模型融合 Sugar 脸部 LoRA 的部署方案。该方案无需复杂的 CUDA 环境编译，通过 Xinference 服务一键拉起模型，配合 Gradio 网页界面即可生成甜美风格人像。
1. 镜像与模型：核心组件说明
在开始操作前，了解工具包的核心组成有助于理解后续流程。
1.1 核心组件
该解决方案主要由三个部分组成：
- 基础模型 (Z-Image-Turbo)：高性能文生图模型，负责理解文字描述并生成高质量图片基底。
- 风格模型 (Sugar 脸部 LoRA)：轻量化的微调技术，用于生成'Sugar'风格的甜美、精致人像脸部，赋予基础模型独特的审美特质。
- 部署与交互框架 (Xinference + Gradio)：
- Xinference：模型服务框架，负责后台加载并运行模型，提供标准 API 接口。
- Gradio：快速构建机器学习 Web 界面的 Python 库，提供直观的网页输入框和按钮。
1.2 技术优势
相比于从零部署 Stable Diffusion WebUI，此方案具有明显优势：
- 开箱即用：依赖环境、模型文件、服务配置已预置，节省环境搭建时间。
- 无需 CUDA 编译：镜像内包含适配好的 PyTorch 和 CUDA 运行环境，无需关心版本匹配。
- 资源清晰：模型服务以独立进程运行，资源占用和日志可见。
- 专注创作：简洁的 Web 界面让用户专注于提示词构思。
2. 第一步：启动与验证模型服务
创建并运行镜像后，模型文件需从镜像加载到 GPU 内存，服务不会立刻可用。第一步是确认服务是否启动成功。
2.1 查看服务状态
模型服务的启动日志记录在特定文件中。打开终端或 SSH 连接，执行以下命令：
cat /root/workspace/xinference.log
若只关心最新日志，可使用 tail 命令：
tail -f /root/workspace/xinference.log
（按 Ctrl+C 退出实时观察。）
2.2 判断启动成功
查看日志时，寻找关键的成功标志。在日志输出的中后部分，应能看到类似信息：
... Model successfully loaded.
... Xinference worker service started.
... Uvicorn running on http://0.0.0.0:9997
最重要的是最后一行，表明 Xinference 的 API 服务已在 9997 端口运行。看到这行即意味着模型加载完毕，后台服务正常。
