env_h20_4

# worldmodel_phyva conda-pack environment 本仓库保存服务器上 `worldmodel_phyva` Conda 环境的可迁移归档，目标平台为 Linux x86_64 / NVIDIA H20。 ModelScope 仓库 `jasonxzs/env_h20_4` 实际创建为 dataset 类型，因此本归档按 dataset 仓库上传；文件内容仍是完整的 Conda 环境归档，不是训练数据集。 ## 文件 - `worldmodel_phyva_h20_20260822.tar.gz`：`conda-pack` 生成的环境归档（约 5.0 GiB）。 - `worldmodel_phyva_h20_20260822.tar.gz.sha256`：SHA-256 校验文件。 - `requirements-user-site-only.txt`：原服务器 `~/.local` 中存在、但 Conda 环境本体中不存在的包。它们不会被 `conda-pack` 收录。 - `pip-check-isolated.txt`：禁用用户级 site-packages 后，对原环境执行 `pip check` 的结果。 - `conda-pack-uncached-packages.txt`：Conda 下载缓存已被清理、被打包器按普通文件处理的包。 ## 解包与激活 不要直接解压到已有 Conda 环境目录。选择一个新的绝对路径： ```bash mkdir -p /path/to/envs/worldmodel_phyva tar -xzf worldmodel_phyva_h20_20260822.tar.gz \ -C /path/to/envs/worldmodel_phyva source /path/to/envs/worldmodel_phyva/bin/activate conda-unpack ``` 建议首次运行时禁止继承目标机器的用户级 Python 包： ```bash export PYTHONNOUSERSITE=1 python -c 'import torch; print(torch.__version__, torch.cuda.is_available())' ``` 归档包含 CUDA 用户态依赖，但不包含 NVIDIA 内核驱动。目标 H20 服务器仍需安装与归档内 PyTorch/CUDA 兼容的 NVIDIA 驱动。 ## conda-pack 未能打包的内容 ### 1. nvidia-curobo：必须手动安装 原环境中的 `nvidia-curobo` 是 editable 安装，源码位于环境目录之外，因此 `conda-pack` 必须使用 `--ignore-editable-packages`。归档中的 `.pth` 仍指向原服务器路径，在新服务器上不可用。 记录到的源码版本： - 包名：`nvidia-curobo` - 原环境显示版本：`0.7.7.post1.dev9` / `0.7.8` - Git 仓库：`https://github.com/NVlabs/curobo.git` - Git commit：`d64c4b005459db10c5dd867d8b30a87d5bda9bdb` 在解包后的环境中安装： ```bash git clone https://github.com/NVlabs/curobo.git cd curobo git checkout d64c4b005459db10c5dd867d8b30a87d5bda9bdb python -m pip install --no-build-isolation -e . ``` 如果项目使用 RoboTwin 内置的 Curobo 副本，也可以进入对应 `RoboTwin/envs/curobo` 目录执行最后一条命令。Curobo 包含 CUDA 扩展，必须在目标机器上重新编译；这也是不能仅靠归档迁移的部分。 ### 2. LIBERO：按需手动安装 原服务器通过用户级 `easy-install.pth` 引用了 `/data/worldmodel_xzs/LIBERO`，该源码目录不属于 Conda 环境，因此不会进入归档。原包版本标记为 `libero==0.1.0`，但本地目录没有 Git 元数据，无法可靠恢复精确 commit。 如果需要 LIBERO 评测，优先复制项目使用的同一份源码，再执行： ```bash cd /path/to/LIBERO python -m pip install -e . ``` 如果没有原源码，可从官方仓库安装，但需自行确认与项目代码兼容： ```bash git clone https://github.com/Lifelong-Robot-Learning/LIBERO.git cd LIBERO python -m pip install -e . ``` ### 3. 原服务器用户级包：按功能选择安装 原 shell 会加载 `/home/user/.local/lib/python3.10/site-packages`。其中有 43 个包在 Conda 环境本体中不存在，完整列表见 `requirements-user-site-only.txt`。这些包不会被归档收录。 不要无条件安装整个列表：其中包含 CUDA 13 用户态包，而归档内核心训练栈使用 `torch==2.9.0+cu126`。全量安装可能改变 CUDA 动态库解析顺序。建议先用 `PYTHONNOUSERSITE=1` 运行目标任务，只针对实际缺失的功能安装对应包。例如： ```bash # RoboSuite / MuJoCo 相关任务按需安装 python -m pip install robosuite==1.5.0 mujoco==3.2.6 ``` ## 已知的原环境依赖不一致 `pip-check-isolated.txt` 记录的是打包前原环境本身已有的缺包和版本约束冲突，不是 conda-pack 引入的问题。为保持训练环境原貌，本次没有自动升级或补装这些依赖。特别是 PyTorch、TorchVision、Datasets、Timm、Pillow 等版本不要仅为了让 `pip check` 全绿而批量升级；应先确认当前项目的实际运行路径。 此外，原 Conda package cache 已被清理，`conda-pack` 无法从缓存恢复 `conda-pack-uncached-packages.txt` 中 32 个包的原始包记录。打包器仍会把这些文件作为 unmanaged files 收入归档，但对其中硬编码旧环境前缀的文件处理不如正常 Conda 包稳健。本仓库归档已执行解包与 `conda-unpack` 验证；若某个底层命令仍引用旧路径，可按该清单在目标环境中重新安装对应 Conda 包。 ## 校验 本次归档的 SHA-256 为 `0407a21ddfadeacd3503917763d032a58f28e9b124d321dba174f3dd17076f88`。 下载后先检查归档： ```bash sha256sum -c worldmodel_phyva_h20_20260822.tar.gz.sha256 ``` 然后完成解包、`conda-unpack` 和核心导入测试。GPU 可用性最终取决于目标机驱动和设备映射。