2. 安装与环境配置¶

在开始使用 EvoX 之前，需要正确安装软件及其依赖环境。本章将分别介绍 Windows 和 Linux 下的安装步骤，以及必要的依赖项准备和配置方法。请确保在安装前满足基本的系统要求：Python 3.10+、足够的磁盘空间，以及（可选）支持的 GPU 和相应驱动。

依赖项和前置准备¶

Python 环境：EvoX 基于 Python 开发，请确保系统已安装 Python 3.10 或更高版本。建议使用虚拟环境（如 venv）可以避免依赖冲突。
PyTorch：EvoX 利用 PyTorch 提供底层的张量计算和硬件加速支持。因此，在安装 EvoX 前必须先安装 PyTorch。安装时请根据您的硬件选择对应版本：如果有 NVIDIA GPU，则安装包含 CUDA 支持的 PyTorch；如果只有 CPU 或使用 AMD GPU，则安装相应版本：CPU 版或 ROCm 版。可以参考 PyTorch 官方指南获取合适的安装命令，例如：
```
# 例如，通过 pip 安装 CUDA (Nvidia) 版本的 PyTorch
pip install torch torchvision torchaudio

# 如果是AMD显卡，通过 pip 安装 ROCm (AMD) 版本的 PyTorch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.2.4

# CPU版本：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
```

在进行正式安装前，建议更新 pip 到最新版本，并确保网络连接通畅（因为需要从 PyPI 下载包）。准备好上述环境后，即可开始安装 EvoX。

Windows 下的安装步骤¶

Windows 用户可以选择自动脚本安装或手动安装。官方提供了一键安装脚本，可在全新环境下一键部署 EvoX 及所需依赖，但手动安装可以让您更了解每一步细节。下面我们分别介绍两种方式：

方式一：使用一键安装脚本（win-install.bat） EvoX 提供了适用于 Windows 10/11 (64位) 的快速安装脚本。脚本会自动安装 Miniforge3 (轻量版 Conda)、最新的 Python 和 PyTorch（含CUDA支持）、EvoX，以及实用工具如 VSCode 和 Git。使用方法：

从官方获取 win-install.bat 脚本（可在 EvoX 文档或GitHub中找到下载链接）。确保您的Windows已安装NVIDIA驱动且网络良好。
运行该脚本。该脚本运行本身不需要管理员权限，但是过程中系统可能弹出权限请求，允许运行即可。脚本将自动执行环境配置和安装，全程需要联网下载多个组件。
等待脚本完成安装。安装成功后，会看到提示并可能自动打开 VSCode。此时 EvoX 及其依赖已安装完毕。

注意：如果在执行脚本过程中网络中断或失败，请关闭脚本窗口并重新运行。脚本具有断点续传能力，多次运行会继续未完成的部分。

方式二：手动安装 若您希望自行控制每一步，可按照以下步骤手动安装：

安装显卡驱动：确保已安装最新的 NVIDIA 显卡驱动（通过NVIDIA官网获取）。没有独立显卡的用户可跳过此步。
安装 Python：下载并安装 Python 3.10+ Windows安装包。安装时勾选“Add Python to PATH”以便后续使用 pip。
安装 PyTorch：打开命令提示符（CMD）或 PowerShell，根据硬件选择安装命令：
- 参考 PyTorch官网获取适配您GPU或CPU版本的 pip 安装命令。例如：
```
pip install torch torchvision torchaudio
```
（可选）安装 Triton 编译器：在 Windows 上，PyTorch 默认不包含 Triton 支持, 若您希望使用 PyTorch 2.0的torch.compile特性提升性能，可通过安装第三方(triton-windows)[https://github.com/woct0rdho/triton-windows]来获取支持。这一步不是必须的，但对性能优化章节有帮助。
安装 EvoX：在命令行执行：

pip install "evox[default]"

# 此外支持多种extra选项来预装其他组件
pip install "evox[vis]" # visualization support
pip install "evox[neuroevolution]" # NE support

备注

某些软件包可能需要额外的系统依赖项。如果是这种情况，安装程序会提示类似以下的消息：

error: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools": https://visualstudio.microsoft.com/visual-cpp-build-tools/

遇到此类提示时，请按照提供的指引安装所需的系统依赖项后再继续操作。

Linux 下的安装步骤¶

Linux 系统（如 Ubuntu）下安装 EvoX 相对直接，大部分情况下可以通过 pip 完成。以下是一般步骤：

安装系统依赖：确保已安装基本的开发工具和 Python。建议使用最新的 Python 3.10+版本，可通过系统包管理器（apt、yum等）或 Anaconda 来安装。
安装 GPU 驱动（如果使用GPU）：在 Linux 上，需安装 NVIDIA 驱动。Ubuntu 用户可以通过 apt 安装驱动。安装后，使用 nvidia-smi 命令确认驱动工作正常。如果没有 GPU 或使用 CPU ，可跳过此步。

备注

如果是 WSL , 不要在其 Linux 子系统中安装 NVIDIA 驱动，应在 Windows 端安装。

小技巧

你很可能只需要安装驱动程序，而不需要单独安装 CUDA 或其他依赖项。这些库已经通过 pip 安装的 PyTorch 包含在内。

小技巧

所需的驱动程序版本取决于你的硬件。如果你使用的是较新的 NVIDIA 显卡，通常推荐安装最新版驱动程序。为了获得更好的兼容性以及使用最新驱动程序，通常建议使用较新的 Linux 发行版（例如 Ubuntu 25.04 而不是 22.04）。

安装 PyTorch：同 Windows 类似，先安装 PyTorch 以确保硬件加速正常。可以参考 PyTorch 官方指南
安装 EvoX：运行

pip install evox

如果您计划使用可视化或神经进化等扩展功能，可以一次性安装带所有附加功能的版本，例如：

pip install evox[vis,neuroevolution]

这将同时安装可视化模块和 Brax 等神经进化相关依赖 ([EvoX Installation Guide](#EvoX Installation Guide))。您也可以根据需要选择 extras，比如只安装 vis 或 neuroevolution。

使用容器安装 (Docker, Podman)¶

对于 AMD GPU 用户或希望隔离环境的用户，官方建议使用 Docker 镜像。例如，使用带 ROCm 的 PyTorch 官方Docker 镜像可以避免繁琐的环境配置。执行类似如下的命令运行容器：

docker run -it --gpus all --shm-size=8g rocm/pytorch:latest

然后在容器内安装 EvoX（同上面的pip步骤）。这种方式可以方便地获取GPU加速支持。

验证 EvoX 运行环境¶

完成安装后，您可以通过下面的步骤验证EvoX是否正常工作。

验证安装：打开终端/命令提示符，进入Python解释器，执行以下代码检查环境信息：
```
from torch.utils.collect_env import get_pretty_env_info
import evox
print(get_pretty_env_info())
```
该代码将打印出 PyTorch 和系统的环境配置，如果包含 EvoX 并且没有错误信息，说明安装成功。您也可以尝试 import evox; print(evox.__version__) 查看EvoX版本号，确认无误。
其他环境配置：根据需要，您可以调整线程数等影响性能的参数。例如，设置环境变量 OMP_NUM_THREADS 控制CPU上并行线程数，增加共享内存(--shm-size)避免 Docker 容器内的内存不足等。如果您使用 Jupyter Notebook 或 PyCharm 等 IDE 进行开发，请确保其 Interpreter 使用的是刚安装 EvoX 的 Python 环境。

完成以上配置，您的开发环境就搭建好了。接下来，我们将介绍如何在这个环境中开始使用 EvoX 进行优化任务。