DeePMD-kit安装实战：PC篇¶
背景¶
需要对DeePMD-kit的源码进行一些修改，针对新的物理量构建模型。对代码的调试需要GPU，但是不需要很好的性能，所以在PC端进行可以节省在集群上的排队时间。
安装系统：Ubuntu 20.04
DeePMD-kit代码结构¶
在记录安装过程之前先简单描述一下DeePMD-kit的代码结构。
DeePMD-kit在训练部分的代码是在.py文件中调用 TensorFlow 实现的（TF自带OP/自定义OP）。但是TF的底层是用 C++ 构建的，所以在使用 DeePMD-kit 时需要安装 TF/python 接口。
进入到修改过代码的文件夹，执行：
pip install .
此时会基于已修改的代码生成新的可执行文件。
如果想基于DeePMD-kit生成的模型和lammps/CP2K等软件的对接，需要另外安装C++接口。这部分可以参考之前的教程（编译/修改代码后重新编译）。
conda安装¶
如果不需要对源码进行修改，可以利用官方教程 easy installation 中的 conda 安装
#(base)
conda create -n deepmd deepmd-kit=*=*gpu libdeepmd=*=*gpu lammps-dp cudatoolkit=11.3 horovod -c https://conda.deepmodeling.org
此命令新建了一个名为deepmd的虚拟环境，并将deepmd-kit安装在这个环境中。
Conda 安装会一并安装 CUDA Toolkit，因此只要保证电脑的驱动支持即可。可通过以下指令查看驱动版本及其支持的cuda版本：
nvidia-smi
目前通过conda默认安装的是10.1版本的CUDA Toolkit，由于CUDA向下兼容，故版本高于10.1即可。如果驱动支持的CUDA版本过低，可以在Ubuntu的Software&Updates/Additional Drivers里选择新版的驱动进行升级。
利用 Conda 便捷安装时，DeePMD-kit的C++底层文件全部都已经编译成可执行文件.so，在本地只能查看到可执行文件.so和.py文件，无法对底层进行修改。所以如果需要对源码进行修改，需要手动安装编译。
Conda安装包括了预编译的 TF/C++ 接口，可通过定义环境变量省去以前教程中提到的编译的步骤。（见下文）
手动编译¶
上一节的 Conda 安装是在deepmd虚拟环境下安装的，手动安装我们新建一个环境dp-tf：
conda info -e
# if you have been in `deepmd`, deactivate first
conda deactivate
# create a new environment
conda create -n dp-tf
# if you want to specify the version of python in dp-tf
#conda create -n dp-tf python=3.9
tip
建议在新建环境dp-tf 时设置python版本和deepmd保持一致，否则后续安装tensorflow时可能因为python版本不兼容报错No matching distribution found for tensorflow。
下载源码&设置环境变量¶
下载源码（注意一定要有--recursive，具体见[wiki](./deepmd-kit_installation_51.md）
#(tf-dp)
git clone --recursive https://github.com/deepmodeling/DeePMD-kit.git DeePMD-kit
设置环境变量
#(tf-dp)
cd DeePMD-kit
# set $deepmd_source_dir as the directory of the deepmd source code
deepmd_source_dir=$(pwd)
# set $tensorflow_root as the directory of the TF/C++ interface
# the dir of the environment with conda DP
tensorflow_root=/dir/for/env/with/condaDP
可以用
conda env list指令查看环境deepmd的地址(/dir/for/env/with/condaDP)
如果担心安装过程中需要退出，可以临时加到~/.bashrc文件中并source ~/.bashrc。
TF/Python 接口¶
首先可以更新一下pip，并安装新版TensorFlow：
#(tf-dp)
pip install --upgrade pip
pip install --upgrade tensorflow==2.5.0
tip
利用conda便捷安装可以省去后面TF/C++接口的安装，所以这里的TF安装和conda安装中的TF保持一致。（具体版本在conda安装过DeePMD-kit的环境(deepmd)下查看已安装的tensorflow-base版本。
例如：
# assume you have been in dp-tf env
#(tf-dp)
conda deactivate
#(base)
conda activate deepmd
#(deepmd)
conda list
>>> tensorflow-base 2.5.0 gpu_py39h7c1560b_0 https://conda.deepmodeling.org
#(deepmd)
conda deactivate
#(base)
conda activate dp-tf
#(tf-dp)
pip install --upgrade tensorflow==2.5.0
DeePMD-kit/Python 接口¶
#(tf-dp)
cd $deepmd_source_dir
DP_VARIANT=cuda
pip install .
这一步的pip install对deepmd_source_dir下的文件进行编译。
warning
环境变量DP_VARIANT的默认值是cpu，要记得根据需要进行修改！
info
如果对源码进行了修改，需要重新编译。
这一步中报错可能的应对措施：
- 网络问题1
修改镜像源（具体可参考使用帮助）
pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
- 网络问题2（
...timed out...）
多试几次...
- 升级
setuptools
pip install --upgrade setuptools --no-build-isolation
- 缺各种包
如果直接pip install会发现所有都是已安装的，需要pip uninstall再pip install。
用conda list检查发现应该是没有安装到这个环境里。
如果有报错而无法直接卸载：
It is a distuils installed project and thus we cannot accurately determine which files belongs to it which would lead to only a partial uninstall.
可以考虑强制覆盖安装：
pip install some_package --ignore-installed
- GCC版本问题
138 | #error -- unsupported GNU version! gcc versions later than 8 are not supported!
Ubuntu 20.04默认的GCC版本是9.3.0（gcc --version查看），需要卸载再重装低版本（比如7.5）
sudo apt remove gcc
sudo apt-get install gcc-7 g++-7 -y
sudo ln -s /usr/bin/gcc-7 /usr/bin/gcc
sudo ln -s /usr/bin/g++-7 /usr/bin/g++
sudo ln -s /usr/bin/gcc-7 /usr/bin/cc
sudo ln -s /usr/bin/g++-7 /usr/bin/c++
gcc --version
DeePMD-kit/C++ 接口¶
见官方教程（可能需要apt-get安装cmake，如果没有足够权限也可以通过pip安装）。