PPU 显卡服务器环境配置指南

在深度学习项目中，我们平时接触比较多的是NVIDIA GPU服务器。对于这类服务器，常见做法是创建一个 conda 环境，然后根据项目的 requirements.txt 安装 PyTorch、CUDA、torchvision 等依赖。

但是 PPU 显卡服务器和普通 GPU 服务器不太一样。PPU 服务器通常已经预装了适配硬件的定制版 PyTorch，如果按照普通 GPU 的方式重新安装 torch，很容易导致原本可用的环境被覆盖，最后出现模型无法调用显卡、torch.cuda.is_available() 为 False、训练程序无法启动等问题。

所以，在 PPU 服务器上配置深度学习环境时，最重要的不是“重新安装一套 PyTorch”，而是正确继承服务器已有的 PPU 版 PyTorch。本文主要记录一套适合 PPU 服务器的项目环境配置流程。

---

一、PPU 环境配置的核心原则

PPU 服务器不能完全按照普通 GPU 服务器的方式来配置。

普通 GPU 服务器上，我们可能会习惯性地执行：

pip install torch
pip install torchvision
pip install -r requirements.txt

但在 PPU 服务器上，这种做法风险很高。

原因是 PPU 服务器使用的通常是定制版 PyTorch，例如：

torch 1.13.0a0+nv2208
cuda available = True
cuda = 11.7

这个版本并不是普通 PyPI 源里随便安装的标准版 PyTorch，而是已经适配当前服务器硬件和驱动环境的版本。

因此，PPU 服务器配置环境时要遵守三个原则：

一个项目一个虚拟环境；
虚拟环境继承系统自带 PPU torch；
不要随便安装或覆盖 torch 相关依赖。

尤其不要随意安装下面这些包：

torch
torchvision
torchaudio
xformers
deepspeed

这些包和底层深度学习框架关系很密切，一旦版本不兼容，就可能导致整个训练环境失效。

简单来说，PPU 服务器环境配置的重点不是“装 torch”，而是“保护好已有的 torch”。

---

二、创建项目虚拟环境

假设现在要配置一个新项目，项目名叫 new_project。

首先进入项目代码所在目录：

cd /home/projects/new_project

然后创建虚拟环境：

/usr/local/bin/python3.8 -m venv --system-site-packages /home/envs/new_project

这里最关键的是：

--system-site-packages

这个参数非常重要。

它的作用是：让新创建的虚拟环境可以访问系统环境中已经安装好的 Python 包，其中就包括服务器自带的 PPU 版 PyTorch。

如果不加这个参数，新建出来的虚拟环境会比较“干净”，它可能找不到系统原本安装好的 PPU torch。这样后面运行项目时，就可能出现无法导入 torch，或者 torch 无法识别 PPU 计算资源的问题。

所以，在 PPU 服务器上创建项目环境时，不建议直接使用普通的：

python -m venv /home/envs/new_project

而应该使用：

/usr/local/bin/python3.8 -m venv --system-site-packages /home/envs/new_project

这样做既能让不同项目拥有独立环境，又能共享服务器原本配置好的 PPU 深度学习底层环境。

---

三、激活虚拟环境

虚拟环境创建完成后，需要先激活：

source /home/envs/new_project/bin/activate

激活成功后，终端命令行前面一般会出现环境名，例如：

(new_project) root@server:/home/projects/new_project#

这说明当前已经进入了 new_project 这个虚拟环境。

后续安装依赖、运行训练脚本，都应该在这个虚拟环境中进行。

如果想退出当前虚拟环境，可以执行：

deactivate

退出后，终端前面的环境名会消失。

---

四、验证 PPU torch 是否可用

创建并激活环境后，第一步不是安装项目依赖，而是先检查 torch 是否正常。

执行下面的命令：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.version.cuda)"

正常情况下，输出应该类似：

1.13.0a0+nv2208
True
11.7

这里需要重点关注三个信息。

第一个是 PyTorch 版本：

1.13.0a0+nv2208

这说明当前使用的是服务器自带的定制版 torch。

第二个是：

True

它对应的是：

torch.cuda.is_available()

虽然这里显示的是 cuda，但在很多国产或定制硬件环境中，深度学习框架仍然会沿用 CUDA 风格的接口。只要这里返回 True，就说明当前环境可以正常调用加速设备。

第三个是 CUDA 版本：

11.7

这个版本需要和服务器底层环境匹配，不建议手动乱改。

如果这里输出的是：

False

说明当前虚拟环境没有正确继承系统的 PPU torch，或者底层驱动环境没有正确加载。此时不要急着安装新的 torch，而应该先检查虚拟环境创建方式是否正确。

---

五、安装项目依赖

很多深度学习项目都会提供 requirements.txt 文件。普通情况下，我们可能会直接执行：

pip install -r requirements.txt

但是在 PPU 服务器上，不建议这样做。

因为 requirements.txt 里面可能包含：

torch
torchvision
torchaudio
xformers
deepspeed

如果直接安装，就可能把系统自带的 PPU torch 覆盖掉。

正确做法是先查看依赖文件：

cat requirements.txt

确认里面有哪些包。

然后生成一个安全版依赖文件，过滤掉可能破坏 PPU 环境的包：

grep -v -E '^(torch|torchvision|torchaudio|xformers|deepspeed)' requirements.txt > requirements_safe.txt

如果项目中还包含一些会间接安装 torch 的包，也需要一起过滤。

例如有些项目中的 open_flamingo 可能会自动拉取 torch，因此可以这样处理：

grep -v -E '^(torch|torchvision|torchaudio|xformers|deepspeed|open_flamingo)' requirements.txt > requirements_safe.txt

然后设置 pip 源，例如使用清华源：

export PIP_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple

最后安装安全依赖：

pip install -r requirements_safe.txt

安装过程中需要注意终端输出。

如果看到：

Collecting torch

应该立即停止：

Ctrl + C

这说明某个依赖正在尝试安装 torch。此时需要检查 requirements_safe.txt，找出是哪个包触发了 torch 的安装，然后把它移除或单独处理。

在 PPU 服务器上，安装依赖的原则是：

普通工具包可以装；
torch 相关包不要乱装；
会自动拉 torch 的包也要谨慎。

---

六、常见问题与解决方法

1. 缺少 Python 包

如果运行项目时报错：

ModuleNotFoundError: No module named 'xxx'

说明当前环境缺少某个 Python 包。

可以单独安装：

pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple

例如缺少 yacs：

pip install yacs -i https://pypi.tuna.tsinghua.edu.cn/simple

缺少 opencv-python：

pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

但是如果缺少的是 torch、torchvision、torchaudio 这类包，不要直接安装，需要先确认服务器是否已经提供了对应版本。

---

2. torch 可以导入，但不能调用显卡

如果执行：

python -c "import torch; print(torch.cuda.is_available())"

输出是：

False

说明 torch 虽然能导入，但当前环境没有正确识别 PPU 计算资源。

这时可以重新创建虚拟环境：

rm -rf /home/envs/new_project
/usr/local/bin/python3.8 -m venv --system-site-packages /home/envs/new_project
source /home/envs/new_project/bin/activate

然后再次验证：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.version.cuda)"

如果重新创建后仍然是 False，就需要进一步检查服务器底层驱动、环境变量或管理员提供的 PPU SDK 是否正常。

---

3. 安装依赖时自动拉取 torch

如果安装依赖时出现：

Collecting torch

这通常说明某个包依赖了 torch，并且 pip 准备从外部源安装标准版 PyTorch。

在 PPU 环境中，这种情况需要立刻停止：

Ctrl + C

然后检查依赖文件：

cat requirements_safe.txt

可以逐个排查哪些包可能会触发 torch 安装。

常见需要特别注意的包包括：

torch
torchvision
torchaudio
xformers
deepspeed
open_flamingo

如果确实需要这些包，需要优先确认服务器是否已经提供 PPU 适配版本，而不是直接从 PyPI 安装普通版本。

---

4. pip 安装速度很慢

如果 pip 下载速度很慢，可以临时指定国内源：

pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple

也可以在当前终端会话中设置默认源：

export PIP_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple

这样后续执行 pip install 时，会默认使用清华源。

不过需要注意，如果某些包在国内源没有同步，可能需要换回官方源或使用其他镜像源。

---

5. requirements.txt 安装失败

有些旧项目的依赖版本比较老，直接安装可能会失败。

例如可能出现：

ERROR: Could not find a version that satisfies the requirement xxx==x.x.x

这种情况可以尝试几种方法：

第一，去掉严格版本限制。

例如把：

xxx==1.2.3

改成：

xxx

第二，手动安装相近版本：

pip install xxx

第三，先跳过这个包，等运行时报错时再单独处理。

深度学习项目复现时，不一定要一次性把所有依赖都装完。更稳妥的方式是：先保护好 torch 环境，再根据报错逐个补包。

---

七、确定当前环境是否正常

如果不确定当前环境是否正常，可以先执行：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.version.cuda)"

只要能看到：

True

一般说明 PPU torch 可以正常使用。

---

八、PPU 环境配置中的注意事项

PPU 服务器配置环境时，最需要注意的是不要破坏系统原有环境。

尤其不要执行：

pip install torch
pip install torchvision
pip install torchaudio
pip install -r requirements.txt

特别是：

pip install -r requirements.txt

这条命令在普通服务器上很常见，但在 PPU 服务器上风险比较大。

更推荐的方式是：

先查看 requirements.txt；
过滤 torch 相关依赖；
生成 requirements_safe.txt；
再安装安全依赖；
运行项目时缺什么再补什么。

这样虽然步骤稍微多一点，但稳定性更好，不容易把系统环境弄坏。

---