远程服务器深度环境搭配指南

1. 服务器连接与基础配置#

1
第一步：使用默认管理员账户连接
2
ssh -p 2522 ubuntu@10.160.4.204
3
密码：Admin@2025
4

5
第二步：创建个人用户，也就是新开一个文件夹
6
sudo adduser zx
7
首先要输入服务器的密码，然后再设置自己的密码和个人信息
8
sudo usermod -aG sudo zx
9
然后就可以重新连接了，直接连ssh -p 2522 zx@10.160.4.204 密码

2. conda环境配置#

2.1 安装miniconda#

1
# 更新系统包
2
sudo apt update && sudo apt upgrade -y
3

4
nvcc --version
5

6
# 安装必要的依赖
7
sudo apt install curl wget git -y
8

9
# 下载安装脚本
10
wget <https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh>
11

12
# 运行安装
13
bash Miniconda3-latest-Linux-x86_64.sh
14

15
# 激活conda
16
source ~/.bashrc
17

18
# 验证安装
19
conda --version

2.2 配置加速#

1
conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/>
2
conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/>
3
conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/>
4
conda config --set show_channel_urls yes
5
conda tos accept --override-channels --channel <https://repo.anaconda.com/pkgs/main>
6
conda tos accept --override-channels --channel <https://repo.anaconda.com/pkgs/r>

2.3 创建基础torch环境#

只用一个conda环境安装大型库，比如torch。其他的项目是借助uv管理的，本身的需要的库由uv来安装，torch借助目前这个torch_base的conda环境即可

1
# 1. 创建基础环境
2
conda create -n torch_base python=3.10 -y
3

4
# 3) 严格渠道优先级，减少混装
5
conda config --env --set channel_priority strict
6

7
# 2. 激活环境
8
conda activate torch_base
9

10
# 3. 安装PyTorch和相关包
11
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia
12

13
而 import torch 报的 iJIT_NotifyEvent 正是 PyTorch conda 包 + MKL(2024.1 及以上，包括 2025.x) 的已知兼容性问题：
14
libtorch_cpu.so 在加载时需要 ITT/JIT 相关符号，但新 MKL/OpenMP 组合下解析不到，于是直接 ImportError。
15
使用这个解决，降级即可
16
conda install -y "mkl<2024.1" "intel-openmp<2024.1" --update-deps
17

18
python -c "import torch; print(torch.__version__); print('CUDA可用:', torch.cuda.is_available())"
19

20
一键解决之前的问题
21
conda install -y pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 \\
22
  "mkl<2024.1" "intel-openmp<2024.1" \\
23
  -c pytorch -c nvidia -c <https://repo.anaconda.com/pkgs/main>

3. 项目环境#

特性	Conda	UV
定位	全能环境管理器	Python极速包管理器
优势	管理复杂系统依赖（CUDA等）	速度极快，轻量级
适用场景	深度学习、数据科学	Web开发、纯Python项目

graph TD A[RTX 4090服务器] --> B[Conda torch_base环境 PyTorch + CUDA] B --> C[项目A .venv环境 继承Conda包] B --> D[项目B .venv环境 继承Conda包] B --> E[项目C .venv环境 继承Conda包] C --> F[transformers pandas 项目A特有包] D --> G[flask opencv 项目B特有包] E --> H[django requests 项目C特有包]

1
先创建好你的project
2
进入这个project
3
uv venv --python=$(conda run -n torch_base which python) --system-site-packages  这一步是继承你的conda环境的包
4
# 激活当前项目环境
5
source .venv/bin/activate
6

7
测试python解释器位置，是你当前项目的位置
8
which python
9
/home/zx/allprojects/testenv/.venv/bin/python
10

11
测试包的路径，既有当前的项目，也有之前的torch_base这个conda环境
12
python -c "import sys; pkgs = [p for p in sys.path if 'site-packages' in p]; print('site-packages路径:', pkgs)"
13
site-packages路径: ['/home/zx/allprojects/testenv/.venv/lib/python3.10/site-packages', '/home/zx/miniconda3/envs/torch_base/lib/python3.10/site-packages']
14

15
测试torch是否可用，是否是gpu版本
16
python -c "import torch; print(f'✓ PyTorch {torch.__version__} 加载成功'); print(f'✓ CUDA可用: {torch.cuda.is_available()}')"
17
✓ PyTorch 2.5.1 加载成功
18
✓ CUDA可用: True
19

20
初始化当前环境
21
uv init
22
此时就是正常的为环境安装包了。torch相关的会冲突
23
uv add xxxx
24
uv remove xxxx
25

26
uv pip install xxx --no-deps 无依赖安装即可

此时安装了flask库，理论上是项目中安装的flask，不会影响到torch_base。测试后的确如此