EVO X
Open menu

EvoX Installationsanleitung

EvoX Installationsanleitung

EvoX installieren

EvoX ist auf PyPI verfügbar und kann wie folgt installiert werden:

# install pytorch first
# for example:
pip install torch

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

Sie können während der Installation auch zusätzliche Optionen zuweisen. 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 verlässt sich auf torch, um Hardwarebeschleunigung bereitzustellen. 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 lässt sich sagen, dass die Unterstützung von evox für CPU, Nvidia GPU (CUDA) oder AMD GPU (ROCm) von der installierten PyTorch-Version abhängt. Bitte besuchen Sie die offizielle PyTorch-Website für weitere Installationshilfen: torch

Nvidia GPU-Unterstützung unter Windows

EvoX unterstützt GPU-Beschleunigung durch 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 stellen wir ein One-Click-Skript für die schnelle Bereitstellung auf frisch installierten Windows 10/11 64-Bit-Systemen mit Nvidia GPUs zur Verfügung. Das Skript verwendet kein WSL 2 und installiert die native PyTorch-Version unter Windows. Es installiert automatisch verwandte Anwendungen wie VSCode, Git und MiniForge3.

  • Stellen Sie sicher, dass der Nvidia-Treiber zuerst ordnungsgemäß installiert ist. Andernfalls fällt das Skript in den CPU-Modus zurück.
  • Stellen Sie beim Ausführen des Skripts eine stabile Netzwerkverbindung sicher (Zugriff auf 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 es vorziehen, PyTorch manuell direkt unter Windows zu installieren, können Sie die folgenden Schritte ausführen:

  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 bietet ein detailliertes Benutzerhandbuch für CUDA auf WSL

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