差别

这里会显示出您选择的修订版和当前版本之间的差别。

--- pwmat:pwmlff:install [2024/02/04 18:19] – 创建 pengge
+++ pwmat:pwmlff:install [2024/02/05 11:13] (当前版本) – pengge
@@ 行 1: / 行 1: @@
-<WRAP hide>
+====== Installation ======
-<wrap round tip> a </wrap>
+===== PWMLFF 安装 (以Mcloud为例) =====
+PWMLFF包含Fortran、Python和CUDA加速等，需要在包含Python环境、gcc编译器、GPU硬件条件下进行安装
+==== 方式一：使用Mcloud现有环境 ====
+mcloud已有配置好的conda环境，可以直接调用，避免自己安装anaconda, cudatoolkit, pytorch等极度耗时的过程，具体步骤如下：
+  - 加载环境
+<code>
+module load intel/2020
+source /opt/rh/devtoolset-8/enable
+source /share/app/anaconda3/etc/profile.d/conda.sh
+conda activate mlff
+export CUDA_HOME=/share/app/cuda/cuda-11.3
+</code>
+  - [[install#下载及编译安装|下载及编译安装]]
+==== 方式二：重新创建虚拟环境 ====
+  - 首先加载编译PWMLFF所需的编译器(**intel ≥ 2016 , gcc ≥ 7.0**)和cuda (推荐**11.6**)
+<code>
+module load cuda/11.6 intel/2020
+source /opt/rh/devtoolset-8/enable
+</code>
+  - 在用户目录下创建一个新 python 虚拟环境，建议手动下载并使用Anaconda3进行环境管理（搜索引擎搜索Linux安装anaconda3教程）。
+可以使用该命令直接下载Anaconda3到服务器目录中：
+<code bash>
+curl https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.07-1-Linux-x86_64.sh -o Anaconda3-2023.07-1-Linux-x86_64.sh
+</code>
+conda安装完成后，创建虚拟环境，环境中需指定安装python3.8解释器，其它版本可能会出现包依赖冲突，之后的编译工作均在该虚拟环境中进行
+<code>
+conda create -n PWMLFF python=3.8
+</code>
+  - 虚拟环境安装完成后重新激活该环境
+<code>
+conda deactivate
+conda activate PWMLFF
+</code>
+  - 安装PWMLFF所需的第三方依赖包
+<code python>
+pip install pymatgen scikit-learn-intelex numba horovod
+</code>
+<code python>
+conda install pytorch==1.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge
+</code>
+或
+<code python>
+conda install pytorch==1.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
+</code>
+如需安装其他版本请查阅[[https://pytorch.org/get-started/previous-versions/|Pytorch官网]]。
+  - 完成第三方依赖包安装后进行PWMLFF的编译安装。
+==== 下载及编译安装 ====
+  * 在线安装:
+<code bash>
+$ git clone https://github.com/LonxunQuantum/PWMLFF.git
+或
+$ git clone https://gitee.com/pfsuo/PWMLFF.git
+$ cd PWMLFF/src
+$ srun -p 3090 --gres=gpu:1 sh build.sh
+</code>
+**(Mstation用户通过`nvidia-smi`可查看到GPU信息，将`srun -p 3090 sh build.sh`替换为`sh build.sh`)**。
+  * 源码下载:
+    * https://github.com/LonxunQuantum/PWMLFF
+    * https://gitee.com/pfsuo/PWMLFF
+或者使用以下命令下载源码到用户目录下并解压安装：
+<code bash>
+$ wget https://github.com/LonxunQuantum/PWMLFF/archive/refs/heads/master.zip
+或
+$ wget https://gitee.com/pfsuo/PWMLFF/repository/archive/master.zip
+$ unzip master.zip
+$ cd PWMLFF-master/src
+$ srun -p 3090 --gres=gpu:1 sh build.sh
+</code>
+  * 编译完成后环境变量需更新，直接执行以下命令：
+<code bash>
+source ~/.bashrc
+</code>
+至此完成了PWMLFF的全部编译安装，后续使用时也要保证在PWMLFF的虚拟环境中，并加载完成intel编译器。
+===== Lammps_for_PWMLFF安装 =====
+使用PWMLFF完成力场模型构建后需使用配套的Lammps_for_PWMLFF进行分子动力学模拟，以下是Lammps_for_PWMLFF的详细安装步骤：
+  - 加载编译所需模块 （以Mcloud为例）
+<code>
+module load intel/2020
+</code>
+  * 在线安装:
+<code bash>
+$ git clone https://github.com/LonxunQuantum/Lammps_for_PWMLFF.git
+或
+$ git clone https://gitee.com/pfsuo/Lammps_for_PWMLFF.git
+$ cd Lammps_for_PWMLFF/lammps_neigh_mlff_20230508/src/PWMATMLFF/fortran_code
+$ make clean | make  # 执行编译
+$ cd Lammps_for_PWMLFF/lammps_neigh_mlff_20230508/src
+$ make clean-all | make mpi -j 6 # 这里如果报编译错误重新执行该指令编译即可
+</code>
+  * 源码下载:
+    * https:%%//%%github.com/LonxunQuantum/Lammps_for_PWMLFF
+    * https:%%//%%gitee.com/pfsuo/Lammps_for_PWMLFF
+<code>
+或者使用以下命令下载源码到用户目录下并解压安装：
+</code>
+<code bash>
+$ wget https://github.com/LonxunQuantum/Lammps_for_PWMLFF/archive/refs/heads/master.zip
+或
+$ wget https://gitee.com/pfsuo/Lammps_for_PWMLFF/repository/archive/master.zip
+$ unzip master.zip
+$ cd Lammps_for_PWMLFF/lammps_neigh_mlff_20230508/src/PWMATMLFF/fortran_code
+$ make clean | make  # 执行编译
+$ cd Lammps_for_PWMLFF/lammps_neigh_mlff_20230508/src
+$ make clean-all | make mpi -j 6 # 这里如果报编译错误重新执行该指令编译即可
+</code>
+  - 将Lammps_for_PWMLFF写入环境变量中
+<code bash>
+vim ~/.bashrc
+export PATH=absolute/path/to/Lammps_for_PWMLFF/lammps_neigh_mlff_20230508/src:$PATH
+source ~/.bashrc
+</code>
+以上完成Lammps_for_PWMLFF的全部编译安装工作，后续PWMLFF的使用中会自动调用该版本Lammps包进行分子动力学模拟
+----
+在提交训练任务时，注意任务脚本中需要确保加载相关环境，如下所示：
+<code>
+module load intel/2020
+source /opt/rh/devtoolset-8/enable
+source /share/app/anaconda3/etc/profile.d/conda.sh
+conda activate mlff
+export MKL_SERVICE_FORCE_INTEL=1
+export MKL_THREADING_LAYER=GNU
+export I_MPI_HYDRA_BOOTSTRAP=slurm
+export I_MPI_PMI_LIBRARY=/lib64/libpmi.so
+</code>
+  * 第5、6行环境解决 pytorch 与 numpy 版本不匹配的问题
+  * 最后两行环境解决多lammps任务无法同时并行的问题
-<WRAP round tip>
-</WRAP>
-</WRAP>