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:

  1. 使用 WSL 2(Windows Subsystem for Linux)并在 Linux 端安装 PyTorch。

  2. 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

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())