背景

在 AutoDL 云服务器上复现 StarVLA 项目，目标是通过快速检查脚本 QwenGR00T.py 验证环境，为后续训练 Vision-Language-Action 模型做准备。本文记录了从零开始配置环境、下载模型到成功运行的全过程，以及期间遇到的各种问题和解决方案。

环境配置

租用 AutoDL 实例

• 镜像选择：PyTorch 2.1.0（Python 3.10, CUDA 12.1）
• GPU 型号：RTX 4090（24GB 显存）
• 数据盘：挂载 100GB 数据盘 /root/autodl-tmp/，所有代码和数据存放于此。

克隆项目并创建环境

git clone https://github.com/starVLA/starVLA
cd starVLA
conda create -n starVLA python=3.10 -y
conda activate starVLA
pip install -r requirements.txt

安装 FlashAttention

pip install flash-attn==2.7.4.post1 --no-build-isolation

注意：需与 CUDA 12.1 和 PyTorch 2.1.0 版本匹配。

安装项目本身

pip install -e .

模型下载

快速检查脚本需 Qwen3-VL-4B-Instruct 模型，放置于 ./playground/Pretrained_models/Qwen3-VL-4B-Instruct/。

使用 huggingface-cli 下载

pip install huggingface_hub==0.20.0
export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download Qwen/Qwen3-VL-4B-Instruct --local-dir ./playground/Pretrained_models/Qwen3-VL-4B-Instruct --local-dir-use-symlinks False

注意：下载后需升级 huggingface_hub 至新版（≥0.23.0）。

快速检查及遇到的坑

1. 脚本卡在 "waiting for debugger attach"

解决：注释或删除以下代码：

# import debugpy
# debugpy.listen(("0.0.0.0", 10092))
# debugpy.wait_for_client()

或设置环境变量 PYTHONBREAKPOINT=0（仅对 breakpoint() 有效）。

2. 模型路径错误：Repo id must be in the form...

解决：在配置文件中使用绝对路径：

base_vlm: "/root/starVLA/playground/Pretrained_models/Qwen3-VL-4B-Instruct"

3. huggingface_hub 版本冲突

解决：为下载和运行分别创建环境：

conda create -n download python=3.10
conda activate download
pip install huggingface_hub==0.20.0
# 下载完成后切换回 starVLA 环境
conda activate starVLA
pip install huggingface_hub>=0.23.0

4. FlashAttention 导入错误：undefined symbol

解决：重新安装指定版本：

pip uninstall flash-attn -y
pip install flash-attn==2.7.4.post1 --no-build-isolation

5. 数据集路径不存在（非阻塞）

现象：报错 FileNotFoundError: Dataset path ... does not exist。
结论：不影响模型验证，后续训练需下载数据集。

最终验证成功输出

关键输出片段：

Total number of DiT parameters: 157032448
Qwen_GR00T(...)
Action Loss: 1.387640357017517
Unnormalized Action: [[...]]

下一步建议

• 下载 LIBERO 等数据集，开始训练或评估。
• 尝试其他框架脚本（如 QwenOFT.py、QwenPI.py）。
• 如需多卡训练，配置 DeepSpeed。

注意事项总结

• 路径尽量使用绝对路径。
• 严格遵循官方推荐的 flash-attn 版本。
• huggingface_hub 版本需根据任务切换。
• 注释掉调试代码以正常执行。

此记录基于实际操作整理，希望对后续使用者有所帮助。