Guide d’installation d’EvoX

Installer EvoX

EvoX est disponible sur PyPI et peut être installé via :

# installer pytorch d'abord
# par exemple :
pip install torch

# puis installer EvoX
pip install "evox[default]"

Vous pouvez également spécifier des options supplémentaires lors de l’installation, les extras actuellement disponibles sont vis, neuroevolution, test, docs, default. Par exemple, pour installer EvoX avec toutes les fonctionnalités, exécutez la commande suivante :

pip install "evox[vis,neuroevolution]"

Installer PyTorch avec support d’accélérateur

evox s’appuie sur torch pour fournir l’accélération matérielle. L’architecture globale de ces paquets Python ressemble à ceci :

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

En résumé, le support CPU, le support GPU Nvidia (CUDA) ou le support GPU AMD (ROCm) d’evox dépend de la version de PyTorch installée. Veuillez consulter le site officiel de PyTorch pour plus d’aide à l’installation : torch

Support GPU Nvidia sur Windows

EvoX supporte l’accélération GPU via PyTorch. Il existe deux façons d’utiliser PyTorch avec l’accélération GPU sur Windows :

Utiliser WSL 2 (Windows Subsystem for Linux) et installer PyTorch côté Linux.
Installer directement PyTorch sur Windows.

Pour l’option 2, nous fournissons un script en un clic pour un déploiement rapide sur Windows 10/11 64 bits fraîchement installé avec des GPU Nvidia. Le script n’utilisera pas WSL 2 et installera la version native de Pytorch sur Windows. Il installera automatiquement les applications associées comme VSCode, Git et MiniForge3.

Assurez-vous que le pilote Nvidia est correctement installé au préalable. Sinon, le script basculera en mode CPU.
Lors de l’exécution du script, assurez-vous d’avoir un réseau stable (accessible à github.com etc.).
Si le script échoue en raison d’une défaillance réseau, fermez-le et rouvrez-le pour continuer l’installation.

Installation manuelle sur Windows

Si vous préférez installer PyTorch directement sur Windows manuellement, vous pouvez suivre les étapes ci-dessous :

Installez le pilote Nvidia comme mentionné ci-dessus.
Installez Python 3.10 ou supérieur depuis python.org.
Installez PyTorch.
(Optionnel) Installez triton-windows pour le support de torch.compile sur Windows.
Installez EvoX.

Windows WSL 2

Téléchargez le dernier pilote GPU NVIDIA Windows et installez-le. Ensuite, votre WSL 2 supportera les GPU Nvidia dans ses environnements Linux.

Avertissement : N’installez PAS de pilote GPU Linux NVIDIA dans WSL 2. Installez le pilote côté Windows.

NVIDIA a un [Guide utilisateur CUDA sur WSL](https://docs.nvidia.com/cuda/wsl-user-guide/index.html) détaillé

Support GPU AMD (ROCm)

Nous recommandons d’utiliser un conteneur Docker de 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

Vérifier l’installation

Ouvrez un terminal Python et exécutez ce qui suit :

from torch.utils.collect_env import get_pretty_env_info
import evox

print(get_pretty_env_info())

Guide d'installation d'EvoX