EvoX安装教程#
安装EvoX#
EvoX 可通过 PyPI 获取,并可通过以下方式安装:
# install pytorch first
# for example:
pip install torch
# then install EvoX
pip install evox
You can also assign extra options during the installation, currently available extras are vis
, neuroevolution
, test
, docs
. For example, to install EvoX with all features, run the following command:
pip install evox[vis,neuroevolution]
安装支持加速器的 PyTorch#
evox
依赖于 torch
提供硬件加速。这些 Python 包的整体架构如下所示:
stateDiagram-v2 torch : torch nv_gpu : NVIDIA GPU amd_gpu : AMD GPU cpu : CPU direction LR evox --> torch torch --> nv_gpu torch --> amd_gpu torch --> cpu
总之,evox
是否支持 CPU、Nvidia GPU (CUDA) 或 AMD GPU (ROCm) 取决于安装的 PyTorch 版本。请参考 PyTorch 官方网站以获取更多安装帮助:torch
Nvidia GPU 支持在 Windows 上#
EvoX通过PyTorch支持GPU加速。在Windows上使用PyTorch进行GPU加速有两种方法:
使用 WSL 2(Windows Subsystem for Linux)并在 Linux 端安装 PyTorch。
直接在 Windows 上安装 PyTorch。
我们还提供了一个一键脚本,用于在全新安装的 Windows 10/11 64 位系统(配备 Nvidia GPUs)上快速部署。该脚本不会使用 WSL 2,而是在 Windows 上安装本地版本的 Pytorch。它会自动安装相关应用程序,例如 VSCode、Git 和 MiniForge3。
确保先正确安装 Nvidia driver。否则脚本将回退到 cpu 模式。
运行脚本时,确保网络稳定(可访问
github.com
等)。如果脚本因网络故障而失败,请关闭并重新打开以继续安装。
Windows WSL 2(可选)#
下载并安装最新的 NVIDIA Windows GPU 驱动程序。然后,您的 WSL 2 将在其 Linux 环境中支持 Nvidia GPU。
警告
请不要在WSL 2中安装任何NVIDIA GPU Linux驱动。在Windows端安装驱动。
参见
NVIDIA官方有一个详细的教程 CUDA on WSL User Guide
AMD GPU (ROCm) 支持#
我们建议使用来自rocm/pytorch
的Docker容器。
docker run -it --network=host --device=/dev/kfd --device=/dev/dri --group-add=video --ipc=host --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --shm-size 8G -v $HOME/dockerx:/dockerx -w /dockerx rocm/pytorch:latest
验证安装#
打开 Python 终端,并运行以下命令:
from torch.utils.collect_env import get_pretty_env_info
import evox
print(get_pretty_env_info())