VSCode远程连接AutoDL服务器 + 配置虚拟环境 + 上传本地项目到远程服务器

文章目录

• 一、VSCode远程连接AutoDL服务器
• • （1）获取AutoDL实例登录信息
  • （2）安装Remote-SSH插件（VSCode首次使用）
  • （3）远程连接AutoDL实例（通过SSH）
  • （4）打开远程终端
  • （5）关闭远程连接
• 二、配置虚拟环境
• • （1）切换到非root用户（可跳过）
  • （2）安装Miniconda（可跳过）
  • （3）创建虚拟环境 + 安装依赖库
  • • ✅推荐方式：指定路径下，创建虚拟环境
    • 🛠 备用方式：默认路径下，创建虚拟环境
• 三、上传本地项目到远程服务器
• • • ✅推荐方式：VSCode图形界面上传下载操作
    • 🛠 备用方式：通过scp命令实现文件传输（适合进阶用户）
• 四、克隆仓库（若项目在本地，则跳过）
• • ✅推荐方式：通过远程终端手动克隆
  • 🛠 备用方式：通过Clone Repository克隆仓库
• 五、运行远程代码项目
• –
• –
• –
• 以项目为例
• 其他：Stable Diffusion Web UI
• • 1、项目介绍
  • 2、功能概述
  • 3、支持的主要模型体系
• 备注：混乱版本（仅用于记录测试过程，详细请参考上述流程）
• • 第一步：克隆仓库（使用清华大学镜像站或其他加速代理服务进行克隆）
  • 第二步：安装依赖（建议使用Miniconda或系统Python）
  • 第三步：下载模型（以SD1.5为例）
  • 第四步：启动WebUI服务
  • 第五步：切换到非root用户
  • 第六步：将项目目录从root复制给普通用户
  • 第七步：在非root用户下，安装python3环境
  • 第八步：环境配置
  • （4）下载模型（文件太大导致下载失败，通过JupyterLab上传）
  • （5）启动
  • （6）OSError: Can't load tokenizer for 'openai/clip-vit-large-patch14'.

一、VSCode远程连接AutoDL服务器

AutoDL帮助文档：VSCode远程开发 通过Visual Studio Code（VSCode）配合Remote-SSH插件，可方便地连接AutoDL远程服务器，实现跨平台远程开发、调试与部署。

（1）获取AutoDL实例登录信息

在AutoDL平台控制台中，进入已开机的实例，获取SSH登录指令与密码信息。示例如下：

登录指令：ssh –p 38909 root@region–1.autodl.com
密码：vw5hijtsdrsay

（2）安装Remote-SSH插件（VSCode首次使用）

打开VSCode：

• 点击左侧扩展图标Extensions；
• 搜索Remote – SSH；
• 点击" 安装 "。

安装完成后，在VSCode最左下角状态栏将出现远程连接入口Open a Remote Window（绿色><标志）。

（3）远程连接AutoDL实例（通过SSH）

连接流程如下：

• 点击VSCode左下角绿色连接标志（或使用快捷键F1，输入并选择Remote-SSH: Connect to Host…）；
• 在弹出的菜单中选择Add New SSH Host；
• 输入AutoDL提供的SSH登录指令，例如：ssh -p 38909 root@region-1.autodl.com，回车确认；
• 当提示是否编辑SSH配置文件时，直接回车跳过；
• 若出现操作系统选择提示，请选择Linux；
• 根据提示输入密码（如：vw5hijtsdrsay），等待连接建立；
• 成功连接后，VSCode左下角将显示状态为SSH: connect；
• 点击左侧Remote Explorer图标，可查看远程服务器的终端与目录结构信息。

（4）打开远程终端

完成连接后：

• 点击菜单栏Terminal → New Terminal；
• 将在底部Terminal中打开远程终端，即可在AutoDL服务器中执行命令（如创建虚拟环境、安装依赖等）。

（5）关闭远程连接

当完成远程开发任务后，可通过以下方式安全关闭远程连接：

• 菜单栏选择：File → Close Remote Connection；
• VSCode将自动断开SSH连接，并返回本地工作空间。

备注：建议在关闭连接前，确保已保存所有修改、退出虚拟环境，并完成必要的数据同步。

二、配置虚拟环境

远程服务器连接成功后，建议为每个项目单独配置Python虚拟环境，以隔离依赖、提升可维护性，并保持开发环境整洁。

（1）切换到非root用户（可跳过）

若服务器上仅有root用户，建议新增普通用户以降低权限风险：

# 添加用户（例如命名为 sduser）
adduser sduser
# 系统提示输入密码（例如设置为123456）

# 将用户添加到 sudo 组（允许执行管理员操作，视情况而定）
usermod –aG sudo sduser

# 切换至新用户
su – sduser

（2）安装Miniconda（可跳过）

AutoDL服务器通常预装conda或miniconda，默认路径可能为 /root/miniconda3 或 /opt/conda。首次使用时可能需要加载初始化脚本：

# 1. 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3–latest–Linux–x86_64.sh –O ~/miniconda.sh

# 2. 执行安装脚本（安装至 ~/miniconda3）
bash ~/miniconda.sh –b –p ~/miniconda3

# 3. 激活conda环境
eval "$(/home/sduser/miniconda3/bin/conda shell.bash hook)"
conda activate base

# 建议将conda路径加入环境变量，方便后续调用
export PATH=~/miniconda3/bin:$PATH

（3）创建虚拟环境 + 安装依赖库

• 建议为每个项目单独创建虚拟环境，避免依赖冲突并便于统一管理。
• 为避免默认路径冲突、方便统一管理，建议将虚拟环境创建至/root/envs/或~/envs/目录中：

✅推荐方式：指定路径下，创建虚拟环境

此方式可集中管理环境文件，避免默认路径冲突，便于生产部署。 在指定路径下创建环境：conda create –prefix 路径\\env_name -y

# 创建虚拟环境（指定路径）
conda create ––prefix /root/envs/py39 python=3.9 –y

# 初始化conda（首次使用）
conda init bash
source ~/.bashrc

# 激活虚拟环境
conda activate /root/envs/py39

# 安装常用依赖
conda install numpy opencv matplotlib –y
pip install –r /root/stable–diffusion–webui/requirements.txt

# 退出虚拟环境
conda deactivate

# 删除环境（如需清理）
conda remove ––prefix /root/envs/py39 ––all

#########################################################################
# 安装 GPU 版 PyTorch（CUDA11.8 兼容）
conda install pytorch torchvision torchaudio pytorch–cuda=11.8 –c pytorch –c nvidia –y
# 验证torch是否安装成功且可正常使用GPU
python3 –c "import torch; print('torch:', torch.__version__); print('CUDA可用:', torch.cuda.is_available()); print('CUDA版本:', torch.version.cuda); print('设备名称:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else '无GPU')"
# 打印信息：
# torch: 2.5.1
# CUDA可用: True
# CUDA版本: 11.8
# 设备名称: NVIDIA GeForce RTX 4090
#########################################################################

🛠 备用方式：默认路径下，创建虚拟环境

快速且方便，适合测试和简单项目，但环境集中在默认目录，可能导致多项目依赖冲突。

# 创建虚拟环境（默认路径）
conda create –n py39 python=3.9 –y

# 初始化conda（首次使用）
conda init bash
source ~/.bashrc

# 激活环境
conda activate py39

# 安装常用依赖库
conda install numpy opencv matplotlib –y
pip install –r requirements.txt

# 退出环境
conda deactivate

# 删除环境（如需清理）
conda remove –n py39 ––all

三、上传本地项目到远程服务器

完成Remote-SSH连接后，VSCode支持直接拖拽上传，也可使用命令行工具scp进行文件传输。

✅推荐方式：VSCode图形界面上传下载操作

该方式操作直观、效率高，适合初学者及日常开发场景，推荐作为主要方式使用。

• 上传本地文件/文件夹至远程：
  • 在左侧点击Explorer（资源管理器）；
  • 点击Open Folder，选择远程路径（建议选择/root/目录），直接点击OK；
  • 将本地项目文件或整个文件夹直接拖入远程目录，VSCode会自动完成上传；
  • 上传进度可在终端状态栏中查看。

• 下载远程文件/文件夹至本地：
  • 在远程目录中右键目标文件或文件夹；
  • 选择Download，即可将其保存至本地；（或复制粘贴至本地窗口）；
  • VSCode自动保存至本地文件系统。

📌 图形化方式无需记忆命令，配合Remote Explorer使用体验更佳，适用于所有平台。

🛠 备用方式：通过scp命令实现文件传输（适合进阶用户）

AutoDL与VSCode开发环境下的Linux命令实用指南

"""（1）从本地上传至远程"""
scp 本地路径 用户名@IP地址:远程路径
# 示例：
scp a.py root@1.2.3.4:/root/
#####################################
"""（2）从远程下载至本地"""
scp 用户名@IP地址:远程路径 本地路径
# 示例：
scp root@1.2.3.4:/root/output.txt ./

⚠ 建议在Git Bash或PowerShell中执行；首次连接时可能提示信任远程主机指纹，选择确认即可。

四、克隆仓库（若项目在本地，则跳过）

✅推荐方式：通过远程终端手动克隆

适用于正式开发与部署场景，具备最高灵活性与可控性。

• 推荐理由：
  • 可自定义目标路径（如/root/、/home/user/）
  • 支持多项目协同管理，结构清晰
  • 不依赖默认配置，避免权限或环境异常
• 操作步骤：
• 成功连接Remote-SSH后，点击左侧快捷栏，打开远程终端（Terminal）；
• 在远程终端中执行如下命令（建议使用清华大学镜像加速）：

cd /root/
git clone https://gitclone.com/github.com/AUTOMATIC1111/stable–diffusion–webui.git

• 克隆完成后，在VSCode中执行：
  • 点击菜单栏File > Open Folder
  • 选择 /root/stable-diffusion-webui 目录，点击确定打开项目

🛠 备用方式：通过Clone Repository克隆仓库

适合快速体验GitHub开源项目或初学者测试环境使用。

• 存在局限：
  • 默认克隆路径可能不是/root/目录；
  • 克隆后仍需手动“Open Folder”加载项目；
  • 不适合多项目部署与复杂依赖管理场景。
• 操作步骤：
• 点击左侧图标栏中的「Remote Explorer」；
• 选择「Clone Repository」，输入Git仓库地址并回车；
• 系统将自动下载项目至默认位置（如~或/home/username/）；
• 克隆完成后，需手动点击「Open Folder」打开对应目录。

五、运行远程代码项目

文件上传完成后，可在VSCode远程终端中激活环境并运行代码。

# 切换到上传的项目路径
cd /root/your–project

# 激活conda虚拟环境
conda activate your–env

# 执行主程序
python main.py

可通过ls命令查看项目结构，通过conda info –envs确认环境名称是否正确。

–

–

–

以项目为例

其他：Stable Diffusion Web UI

White-box-Cartoonization stable-diffusion-webui 轻松复现一张AI图片（系列教程-推荐） 逼真的图片生产 | Stable Diffusion WebUI本地部署看这一篇就够了

1、项目介绍

Stable Diffusion Web UI 是一个基于 Stable Diffusion 模型的图形化用户界面，通常指的是由AUTOMATIC1111开发的 WebUI项目，它极大地降低了使用Diffusion模型生成图像的门槛，具备丰富的功能和插件扩展能力，是当前AI绘图领域最受欢迎的前端之一。

2、功能概述

3、支持的主要模型体系

• Stable Diffusion系列基础模型

• 风格化与专业模型（通过checkpoint导入）
  • 动漫类：Anythingv4, AOM3, Counterfeit
  • 现实人像类：RealisticVision, Deliberate, DreamShaper
  • 手绘/插画类：MajicMix, MeinaMix
  • AI插画特化：ReVAnimated, PerfectWorld
  • 用户可通过WebUI界面轻松导入.ckpt/.safetensors格式模型
• 轻量模型（LoRA）
  • 可加载多个LoRA进行组合创作
  • 实现局部风格迁移、角色定制等
  • 常用于风格细调、训练定制人物风格等任务
• ControlNet模型
  • edge detection, depth, pose, scribble, canny等
  • 支持多模态控制输入，实现高精度图像控制生成

备注：混乱版本（仅用于记录测试过程，详细请参考上述流程）

下面是通过AutoDL平台与VSCode远程开发环境，成功安装并运行Stable Diffusion Web UI（AUTOMATIC1111）的完整流程。该流程适用于无需图形界面但希望通过Web访问、远程控制模型与样式生成的智能体、研究或创作工作场景。

第一步：克隆仓库（使用清华大学镜像站或其他加速代理服务进行克隆）

# git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
git clone https://gitclone.com/github.com/AUTOMATIC1111/stable–diffusion–webui.git

cd stable–diffusion–webui

第二步：安装依赖（建议使用Miniconda或系统Python）

# 检查当前是否已安装Python3
python3 ––version

# 如果没有，可以先更新索引再安装
apt update
apt install –y python3 python3–venv python3–pip git wget libgl1 libglib2.0–0

第三步：下载模型（以SD1.5为例）

# 模型文件需要放在 models/Stable-diffusion/ 目录中：
mkdir –p models/Stable–diffusion
wget –O models/Stable–diffusion/model.safetensors # https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors

若出现网络问题：443端口连接超时。也可以先下载后再手动上传*.ckpt或*.safetensors模型到该目录。 下载地址：https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors

第四步：启动WebUI服务

# 启动（默认监听7860端口）
bash webui.sh

webui.sh脚本检测到当前是以root用户身份运行，并自动中止执行。

root@autodl–container–4f654a8570–16b75b52:~/stable–diffusion–webui# bash webui.sh

################################################################
Install script for stable–diffusion + Web UI
Tested on Debian 11 (Bullseye), Fedora 34+ and openSUSE Leap 15.4 or newer.
################################################################

################################################################
ERROR: This script must not be launched as root, aborting...
################################################################

❗为什么不能以root身份运行？

• 官方在脚本中明确禁止以root身份运行，理由包括：
• 避免污染系统Python环境
• 避免破坏权限隔离
• 避免潜在的pip模块冲突或虚拟环境失败
• 安全原则：大部分Web应用设计上都应使用普通权限运行

第五步：切换到非root用户

✅ 正确运行方式 必须切换为非root用户来执行webui.sh，否则安装过程（例如虚拟环境创建、依赖下载）会直接被中断。

✅ 方法一：使用已有普通用户（推荐） 如果系统中已有普通用户（如user1），执行以下命令切换：

su – user1
cd ~/stable–diffusion–webui
bash webui.sh

✅ 方法二：创建新用户（如尚未创建） 如果没有普通用户，请按以下方式创建一个非root用户：

# 添加用户（例如叫sduser）
adduser sduser
# 密码：123456

# 将其加入sudo组（可选）
usermod –aG sudo sduser

# 切换用户
su – sduser

# 回到项目路径（需先确保文件目录权限正确）
cd ~/stable–diffusion–webui
bash webui.sh

第六步：将项目目录从root复制给普通用户

目前的问题是：你已经成功切换到了非root用户sduser，但此用户的home目录中并没有stable-diffusion-webui项目目录。原因是这个项目是在root账户下通过git clone或wget等方式下载的，普通用户是无法直接访问root的home目录的。

✅ 解决方案：

# 1. 回到root：此命令会让你从sduser用户返回root用户。
exit

# 2. 将项目目录复制到普通用户目录并更改所有权：假设你原来的项目在/root/stable-diffusion-webui
cp –r /root/stable–diffusion–webui /home/sduser/
chown –R sduser:sduser /home/sduser/stable–diffusion–webui

# 3. 切换回sduser并执行脚本
su – sduser
cd ~/stable–diffusion–webui
bash webui.sh

################################################################
Install script for stable–diffusion + Web UI
Tested on Debian 11 (Bullseye), Fedora 34+ and openSUSE Leap 15.4 or newer.
################################################################

################################################################
Running on sduser user
################################################################

################################################################
Repo already cloned, using it as install directory
################################################################

################################################################
ERROR: python3 is not installed, aborting...
################################################################

第七步：在非root用户下，安装python3环境

ERROR: python3 is not installed, aborting…说明容器中没有安装python3环境，而且你当前是非root用户（sduser），没有sudo权限。此问题在autoDL环境中较常见，解决方案如下：

✅ 解决方案：非root用户手动安装Python3和pip 步骤1：下载并编译安装Python 3.10+

# 创建目录
mkdir –p ~/tools && cd ~/tools

# 下载Python源码（使用Python 3.10.6）
wget https://www.python.org/ftp/python/3.10.6/Python–3.10.6.tgz

# 解压
tar –xzf Python–3.10.6.tgz && cd Python–3.10.6

# 配置安装路径到当前用户home目录
./configure ––prefix=$HOME/.local/python3.10 ––enable–optimizations

# 编译并安装（可能需要几分钟）
make –j4 && make install

步骤2：添加Python路径到环境变量

# 写入.bashrc环境变量
echo 'export PATH=$HOME/.local/python3.10/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

步骤3：确认安装成功

python3 ––version
# 应输出 Python 3.10.13

which python3
# 应输出 /home/sduser/.local/python3.10/bin/python3

步骤4：重新执行启动脚本

cd ~/stable–diffusion–webui
bash webui.sh
# 开始安装（虽然安装了半天还是显示没有Torch）

pip3.10 uninstall torch torchvision torchaudio
pip3.10 install torch torchvision torcha
udio ––index–url https://download.pytorch.org/whl/cu121
# ⚠️ 注意此处使用的是pip3.10，而不是pip。

RuntimeError: Torch is not able to use GPU; add ––skip–torch–cuda–test to COMMANDLINE_ARGS variable to disable this check
# bash webui.sh –skip-torch-cuda-test

ModuleNotFoundError: No module named ‘_ctypes’

第八步：环境配置

由于容器限制，非 root 用户无法通过 apt 安装系统依赖，而当前自编译的 Python 环境缺少 _ctypes，导致 PyTorch 无法导入。最简洁可靠的办法是使用 Miniconda，在用户目录下自带完整 Python 标准库及二进制依赖，无需依赖系统包，也能直接安装 GPU 版 PyTorch。

# 1. 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3–latest–Linux–x86_64.sh –O ~/miniconda.sh

# 2. 运行安装脚本（安装到 ~/miniconda3 目录）
bash ~/miniconda.sh –b –p ~/miniconda3

# 3. 激活 conda 环境
eval "$(/home/sduser/miniconda3/bin/conda shell.bash hook)"
conda activate base

# 1. 新建环境（Python3.10）
conda create –n sdwebui python=3.10.6 –y
conda activate sdwebui

# 2. 安装 GPU 版 PyTorch（CUDA11.8 兼容）
conda install pytorch torchvision torchaudio pytorch–cuda=11.8 –c pytorch –c nvidia –y

# 3. 安装其余依赖
# 切回项目目录
cd ~/stable–diffusion–webui
pip install –r requirements.txt

说明： pytorch-cuda=11.8 与容器驱动 CUDA12.4 向下兼容良好； Miniconda 自带 _ctypes，可避免手动编译系统依赖； requirements.txt 包含 WebUI 除 PyTorch 之外的所有 Python 依赖。

确保已激活环境 sdwebui，然后：

# 使用 conda 环境中的 python 启动
python launch.py
# 或
bash webui.sh

（4）下载模型（文件太大导致下载失败，通过JupyterLab上传）

JupyterLab默认工作目录是/root，而非root用户目录（如/home/sduser）未在文件浏览器中默认展开。

• 在JupyterLab中显示并进入/home/sduser目录：
  • 打开JupyterLab – Terminal
  • 输入命令ln -s /home/sduser ~/sduser，表示在当前根目录创建一个指向/home/sduser的快捷方式：
  • 在JupyterLab的文件浏览器中点击刷新（右上角 ↻ 图标），即可看到一个新文件夹叫：sduser/
  • 进入sduser/stable-diffusion-webui/models/Stable-diffusion/即可上传文件。

备注：100M宽带，上传7.17GB，约耗时1.5h。（若在vscode中通过命令行自动下载：速度更慢；下载可能中断）

（5）启动

python launch.py

（6）OSError: Can’t load tokenizer for ‘openai/clip-vit-large-patch14’.

✅ 解决方案（针对AutoDL环境） 🔧 方法一：联网安装缺失的模型文件 AutoDL容器在启动时有时网络权限不完整，可能无法直接访问 HuggingFace。可通过以下命令手动下载并缓存所需资源：

git lfs install
git clone https://huggingface.co/openai/clip–vit–large–patch14

或通过Python手动下载缓存：

from transformers import CLIPTokenizer
CLIPTokenizer.from_pretrained("openai/clip-vit-large-patch14")

会自动缓存到~/.cache/huggingface目录。 然后将该目录上传到AutoDL容器中的 /home/sduser/.cache/huggingface 路径下。