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_vscode连接autodl

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
• 六、下载远程代码到本地（待验证）
• 七、移动文件/文件夹到指定路径
• • 编辑脚本内容（示例）
  • • （1）文件被加密的异常显示
    • （2）文件被加密的解决方法
• -
• -
• -
• 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 bashsource ~/.bashrc# 激活虚拟环境conda activate /root/envs/py39# 安装常用依赖conda install numpy opencv matplotlib -ypip 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GPUpython3 -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 bashsource ~/.bashrc# 激活环境conda activate py39# 安装常用依赖库conda install numpy opencv matplotlib -ypip 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。

六、下载远程代码到本地（待验证）

使用 scp 下载整个目录（简单直接）：scp -r root@远程IP:/root/autodl-tmp/heweiqing /本地保存路径

示例操作（假设你本地是Linux或Mac）：scp -r root@1.2.3.4:/root/autodl-tmp/heweiqing \"D:\\\\Downloads\"

• -r：表示递归下载整个目录
• root@1.2.3.4：请将1.2.3.4替换为你的服务器公网IP地址
• D:\\\\Downloads：表示Windows的D:\\Downloads目录（Git Bash/WSL 中的写法）

⚠️前提是你的服务器开放了22端口（SSH端口），且你本地可以通过密码或密钥登录到远程服务器。

获取服务器的公网IP地址（用于scp/rsync远程连接）

• 登录你的 AutoDL 容器或 Linux 服务器，在命令行输入：curl ifconfig.me或：curl ip.sb。返回的就是公网IP地址，例如：123.45.67.89

七、移动文件/文件夹到指定路径

# 1. 进入 root 用户（若当前非 root）sudo su -# 2. 切换至目标目录cd /root/autodl-tmp/heweiqing#################################################### 3. 编辑脚本（按 i 进入编辑，Esc 后输入 :x 保存退出）vim abc.sh# 4. 设置脚本可执行权限（如尚未设置）chmod +x abc.sh# 5. 执行脚本sudo ./abc.sh#################################################### 6. 查看脚本内容（确认脚本写入是否正确）cat abc.sh# 7. 查看 models 文件夹占用空间du -sh models/# -s：仅汇总目录本身的大小；# -h：以人类可读格式显示（如 MB/GB）。# 8. 列出当前目录所有文件和文件夹的详细信息ls -l# 9. 查看各磁盘挂载点空间使用情况df -h# 可快速定位 / 根目录是否已满、各挂载点（如 /autodl-pub）剩余多少空间。

编辑脚本内容（示例）

#!/bin/bashdist=/root/autodl-tmp/yinxiaodongsrc=modelscp -r $src $dist/chown yinxiaodong $dist/$src -R

退出vim：编写完毕后按Esc后，输入:x或:wq并回车退出。

（1）文件被加密的异常显示

• 如你不希望再次被加密（避免 vimcrypt 加密），不要误按下:X或启用加密模式。
• 如需验证是否加密：head abc.sh，只要不是乱码（例如以 VimCrypt~03! 开头），就说明未加密。

Swap file \"/var/tmp/abc.sh.swp\" already exists!Need encryption key for \"abc.sh\"Enter encryption key: 

或者直接点击Enter后件显示以下乱码：

VimCrypt~03!ڣ~K ^Y ~Z7 h^@ X2I ~@M ^^ / ~H^? *d ~T Q ~_V^Y[ ~G_(5 \\\" =^Z &| ~I6^\\ >e~V[ OrA ~W ~V ^Q - wx:&C 3~H \'| *4? 3 \" ~S|X D ~TB, w~R aC ð b^?# #5A ^Y_ ~T ]^B ?<{~R~

（2）文件被加密的解决方法

✅ 清理并重新新建 abc.sh 的完整流程：

# 删除 swap 文件（vim编辑异常退出时生成的临时交换文件）rm /var/tmp/abc.sh.swp# 若原始加密文件已无法恢复，建议删除sudo rm /root/autodl-tmp/heweiqing/abc.sh

✅ 新建并授权 abc.sh 文件（未加密）

# 切换到目标目录（可选）cd /root/autodl-tmp/heweiqing/# 创建空脚本sudo touch abc.sh# 赋予所有权给用户 yinxiaodongsudo chown yinxiaodong abc.sh# 添加执行权限chmod +x abc.sh# 使用 vim 或 nano 编辑脚本vim abc.sh

-

-

-

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

功能模块 简要说明 文生图（txt2img） 根据文本提示词生成图像。支持prompt/negative prompt、采样步数、CFG等参数设置。 图生图（img2img） 基于原始图像和文本提示对图像进行重绘或风格化，可控制变化程度。 Inpainting（图像修复） 对图像中被掩盖的区域进行AI修复，支持面部修复、背景修复、去物等任务。 Outpainting（图像扩展） 将图像边界向外扩展，同时保持风格一致性。 ControlNet支持 提供边缘图、姿态图、深度图等精确控制条件生成图像。适用于姿态迁移、线稿上色、草图重建等。 图像批处理 支持txt2img/img2img批量生成图像。 Prompt生成工具 提供prompt拼接、语义权重、关键词替代等高级提示词编辑功能。 插件系统（Extensions） 提供无限插件扩展能力，如LoRA训练、图像浏览器、样式库等。

3、支持的主要模型体系

• Stable Diffusion系列基础模型

模型名称 简要说明 StableDiffusion v1.4 / v1.5 最经典的1.x系列模型，分辨率512×512，适合风格创作与普通生成。 StableDiffusion v2.1 使用OpenCLIP训练，支持768×768，更适合真实感风格。 StableDiffusion XL (SDXL) 目前最新的大型扩散模型，分辨率1024×1024，文本理解更强、图像更精细。 SDXL Turbo 快速生成模型，优化速度性能，适用于交互式应用。

• 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.gitgit clone https://gitclone.com/github.com/AUTOMATIC1111/stable-diffusion-webui.gitcd 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Python3python3 --version# 如果没有，可以先更新索引再安装apt updateapt 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-diffusionwget -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 UITested 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 - user1cd ~/stable-diffusion-webuibash 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-webuibash 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-webuicp -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 - sdusercd ~/stable-diffusion-webuibash webui.sh

################################################################Install script for stable-diffusion + Web UITested 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\' >> ~/.bashrcsource ~/.bashrc

步骤3：确认安装成功

python3 --version# 应输出 Python 3.10.13which 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-webuibash 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 torchaudiopip3.10 install torch torchvision torchaudio --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. 一键在用户目录安装 Miniconda

# 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

2. 创建专属环境并安装 PyTorch + WebUI 依赖

# 1. 新建环境（Python3.10）conda create -n sdwebui python=3.10.6 -yconda 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-webuipip 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。

3. 启动 Stable Diffusion Web UI

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：

1. 手动下载openai/clip-vit-large-patch14文件
   在本地执行：

git lfs installgit clone https://huggingface.co/openai/clip-vit-large-patch14

或通过Python手动下载缓存：

from transformers import CLIPTokenizerCLIPTokenizer.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。