EVO X

EvoX-Installationsanleitung

EvoX-Installationsanleitung

EvoX installieren

EvoX ist auf PyPI verfügbar und kann installiert werden über:

# install pytorch first
# for example:
pip install torch

# then install EvoX
pip install "evox[default]"

Sie können auch zusätzliche Optionen während der Installation angeben. Derzeit verfügbare Extras sind vis, neuroevolution, test, docs, default. Um beispielsweise EvoX mit allen Funktionen zu installieren, führen Sie den folgenden Befehl aus:

pip install "evox[vis,neuroevolution]"

PyTorch mit Beschleuniger-Unterstützung installieren

evox basiert auf torch für Hardware-Beschleunigung. Die Gesamtarchitektur dieser Python-Pakete sieht wie folgt aus:

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

Zusammenfassend hängt es von der installierten PyTorch-Version ab, ob evox CPU-Unterstützung oder Nvidia-GPU-Unterstützung (CUDA) oder AMD-GPU-Unterstützung (ROCm) hat. Bitte beziehen Sie sich auf die offizielle PyTorch-Website für weitere Installationshilfe: torch

Nvidia-GPU-Unterstützung unter Windows

EvoX unterstützt GPU-Beschleunigung über PyTorch. Es gibt zwei Möglichkeiten, PyTorch mit GPU-Beschleunigung unter Windows zu verwenden:

  1. Verwendung von WSL 2 (Windows Subsystem for Linux) und Installation von PyTorch auf der Linux-Seite.
  2. Direkte Installation von PyTorch unter Windows.

Für Option 2 bieten wir ein Ein-Klick-Skript für die schnelle Bereitstellung auf frisch installiertem Windows 10/11 64-Bit mit Nvidia-GPUs. Das Skript verwendet kein WSL 2 und installiert die native PyTorch-Version unter Windows. Es installiert automatisch zugehörige Anwendungen wie VSCode, Git und MiniForge3.

  • Stellen Sie sicher, dass der Nvidia-Treiber zuerst ordnungsgemäß installiert ist. Andernfalls fällt das Skript auf den CPU-Modus zurück.
  • Stellen Sie beim Ausführen des Skripts eine stabile Netzwerkverbindung sicher (Zugang zu github.com usw.).
  • Wenn das Skript aufgrund eines Netzwerkfehlers fehlschlägt, schließen Sie es und öffnen Sie es erneut, um die Installation fortzusetzen.

Manuelle Installation unter Windows

Wenn Sie PyTorch lieber manuell direkt unter Windows installieren möchten, können Sie die folgenden Schritte befolgen:

  1. Installieren Sie den Nvidia-Treiber wie oben erwähnt.
  2. Installieren Sie Python 3.10 oder höher von python.org.
  3. Installieren Sie PyTorch.
  4. (Optional) Installieren Sie triton-windows für torch.compile-Unterstützung unter Windows.
  5. Installieren Sie EvoX.

Windows WSL 2

Laden Sie den neuesten NVIDIA Windows GPU-Treiber herunter und installieren Sie ihn. Dann unterstützt Ihr WSL 2 Nvidia-GPUs in seinen Linux-Umgebungen.

Warnung: Installieren Sie KEINEN NVIDIA GPU Linux-Treiber innerhalb von WSL 2. Installieren Sie den Treiber auf der Windows-Seite.

NVIDIA hat einen detaillierten [CUDA on WSL User Guide](https://docs.nvidia.com/cuda/wsl-user-guide/index.html)

AMD-GPU (ROCm)-Unterstützung

Wir empfehlen die Verwendung eines Docker-Containers von rocm/pytorch.

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

Installation überprüfen

Öffnen Sie ein Python-Terminal und führen Sie Folgendes aus:

from torch.utils.collect_env import get_pretty_env_info
import evox

print(get_pretty_env_info())
← Zurück zur Dokumentation