Datasets:

data-loader
/

simlingo-conda-env

---
pretty_name: SimLingo Conda Environment (Linux x86_64, Python 3.8)
language:
- zh
- en
license: other
license_name: mixed-third-party-licenses
license_link: https://huggingface.co/datasets/data-loader/simlingo-conda-env/blob/main/THIRD_PARTY_NOTICES.md
tags:
- conda
- environment
- reproducibility
- autonomous-driving
---
# SimLingo 环境迁移包

这是现有 `simlingo` Conda 环境的 conda-pack 快照，用于在其他 **Linux x86_64**
服务器上恢复同一套 Python 包。无需在目标机器重新安装这些 Python 包或安装 Conda。
| 组件 | 版本 |
|---|---|
| Python | 3.8.18 |
| PyTorch / Torchvision | 2.2.0 / 0.17.0 |
| Transformers | 4.46.3 |
| FlashAttention | 2.7.0.post2 |
| DeepSpeed | 0.16.2 |
| PyTorch Lightning | 2.4.0 |
| CARLA Python API | 0.9.15 |
完整列表见 `packages.json`，包大小和校验和见 `manifest.json` / `SHA256SUMS`，
异路径恢复的实际测试见 `restore-validation.json`。
## 新服务器上使用
先准备兼容的 Linux 系统和 NVIDIA 驱动，并安装
[CUDA Toolkit 12.1（含 nvcc）](https://developer.nvidia.com/cuda-12-1-1-download-archive)。
DeepSpeed 在导入时也会检查 Toolkit，不只是编译时需要它。
激活脚本会识别已有 `CUDA_HOME`、`/usr/local/cuda-12.1` 或 PATH 中的 `nvcc`。
非标准安装位置请先设置 `export CUDA_HOME=/path/to/cuda-12.1`。
```bash
curl -fL https://huggingface.co/datasets/data-loader/simlingo-conda-env/resolve/main/restore.sh \
  -o restore-simlingo.sh
bash restore-simlingo.sh "$HOME/envs/simlingo"
source "$HOME/envs/simlingo/bin/activate"
python -c 'import sys, torch; print(sys.executable); print(torch.__version__)'
```
恢复脚本会下载分卷、验证 SHA-256、解压并执行一次 `conda-unpack` 修复路径。
它只接受不存在或空的目标目录，不覆盖已有环境。默认下载缓存是脚本旁的
`simlingo-env-files/`；可通过 `SIMLINGO_PACKAGE_CACHE` 指定其他位置。
之后每次使用只需：
```bash
source "$HOME/envs/simlingo/bin/activate"
```
修复路径后请保持这个环境目录不变。需要换位置时，从原始分卷重新解压。
不要在已有同名环境上覆盖解压。
## 已下载全部文件 / 离线恢复
把仓库的 `archives/`、`SHA256SUMS`、元数据和 `restore.sh` 一起下载，随后运行：
```bash
SIMLINGO_PACKAGE_CACHE=/path/to/downloaded-dataset \
  bash /path/to/downloaded-dataset/restore.sh /path/to/envs/simlingo --offline
source /path/to/envs/simlingo/bin/activate
```
离线模式不访问网络。只做激活不等于完成首次路径修复；请先用恢复脚本。
## 环境包含与外部依赖
- 包内是 Python、已安装库、命令行工具和必要的环境元数据。
- 认证 token、测试私钥、临时文件和 Python bytecode 缓存已排除；
  打包副本中的下载地址认证字段和测试 token 已清理，原环境未修改。
- 原环境遗留的 Python 命令入口路径已在副本中修复，激活后可直接使用 `pip`、`torchrun` 等命令。
- 不含驾驶数据、模型权重、CARLA 模拟器 / 地图、NVIDIA 驱动或独立 CUDA Toolkit。
- GPU 机器仍需兼容的 NVIDIA 驱动，以及另行安装的 CUDA Toolkit 12.1 / `nvcc`。
  DeepSpeed 导入和 CUDA 扩展编译需要 Toolkit；编译时还需兼容的 C/C++ 编译器。
- CARLA 闭环测试另需 CARLA 0.9.15、AdditionalMaps、Vulkan 和项目代码。
- 这是 Linux x86_64 二进制环境，不适用于 Windows、macOS 或 ARM。
  不同 Linux 系统仍需核对 glibc / 系统库；测试边界见验证报告。
环境包不替代项目路径和资源配置。项目代码与后续流程由各项目的迁移说明管理。
若项目启动器内部仍写着 `module load conda` / `conda activate simlingo`，
在新服务器将这段改为 `source /absolute/path/to/env/bin/activate`，并确认 Python 路径。
不要把 `requirements-snapshot.txt` 当作等价的全新安装锁文件；优先恢复此二进制包。

	---
	pretty_name: SimLingo Conda Environment (Linux x86_64, Python 3.8)
	language:
	- zh
	- en
	license: other
	license_name: mixed-third-party-licenses
	license_link: https://huggingface.co/datasets/data-loader/simlingo-conda-env/blob/main/THIRD_PARTY_NOTICES.md
	tags:
	- conda
	- environment
	- reproducibility
	- autonomous-driving
	---

	# SimLingo 环境迁移包

	这是现有 `simlingo` Conda 环境的 conda-pack 快照，用于在其他 Linux x86_64
	服务器上恢复同一套 Python 包。无需在目标机器重新安装这些 Python 包或安装 Conda。

	\| 组件 \| 版本 \|
	\|---\|---\|
	\| Python \| 3.8.18 \|
	\| PyTorch / Torchvision \| 2.2.0 / 0.17.0 \|
	\| Transformers \| 4.46.3 \|
	\| FlashAttention \| 2.7.0.post2 \|
	\| DeepSpeed \| 0.16.2 \|
	\| PyTorch Lightning \| 2.4.0 \|
	\| CARLA Python API \| 0.9.15 \|

	完整列表见 `packages.json`，包大小和校验和见 `manifest.json` / `SHA256SUMS`，
	异路径恢复的实际测试见 `restore-validation.json`。

	## 新服务器上使用

	先准备兼容的 Linux 系统和 NVIDIA 驱动，并安装
	[CUDA Toolkit 12.1（含 nvcc）](https://developer.nvidia.com/cuda-12-1-1-download-archive)。
	DeepSpeed 在导入时也会检查 Toolkit，不只是编译时需要它。
	激活脚本会识别已有 `CUDA_HOME`、`/usr/local/cuda-12.1` 或 PATH 中的 `nvcc`。
	非标准安装位置请先设置 `export CUDA_HOME=/path/to/cuda-12.1`。

	```bash
	curl -fL https://huggingface.co/datasets/data-loader/simlingo-conda-env/resolve/main/restore.sh \
	-o restore-simlingo.sh
	bash restore-simlingo.sh "$HOME/envs/simlingo"
	source "$HOME/envs/simlingo/bin/activate"
	python -c 'import sys, torch; print(sys.executable); print(torch.__version__)'
	```

	恢复脚本会下载分卷、验证 SHA-256、解压并执行一次 `conda-unpack` 修复路径。
	它只接受不存在或空的目标目录，不覆盖已有环境。默认下载缓存是脚本旁的
	`simlingo-env-files/`；可通过 `SIMLINGO_PACKAGE_CACHE` 指定其他位置。

	之后每次使用只需：

	```bash
	source "$HOME/envs/simlingo/bin/activate"
	```

	修复路径后请保持这个环境目录不变。需要换位置时，从原始分卷重新解压。
	不要在已有同名环境上覆盖解压。

	## 已下载全部文件 / 离线恢复

	把仓库的 `archives/`、`SHA256SUMS`、元数据和 `restore.sh` 一起下载，随后运行：

	```bash
	SIMLINGO_PACKAGE_CACHE=/path/to/downloaded-dataset \
	bash /path/to/downloaded-dataset/restore.sh /path/to/envs/simlingo --offline
	source /path/to/envs/simlingo/bin/activate
	```

	离线模式不访问网络。只做激活不等于完成首次路径修复；请先用恢复脚本。

	## 环境包含与外部依赖

	- 包内是 Python、已安装库、命令行工具和必要的环境元数据。
	- 认证 token、测试私钥、临时文件和 Python bytecode 缓存已排除；
	打包副本中的下载地址认证字段和测试 token 已清理，原环境未修改。
	- 原环境遗留的 Python 命令入口路径已在副本中修复，激活后可直接使用 `pip`、`torchrun` 等命令。
	- 不含驾驶数据、模型权重、CARLA 模拟器 / 地图、NVIDIA 驱动或独立 CUDA Toolkit。
	- GPU 机器仍需兼容的 NVIDIA 驱动，以及另行安装的 CUDA Toolkit 12.1 / `nvcc`。
	DeepSpeed 导入和 CUDA 扩展编译需要 Toolkit；编译时还需兼容的 C/C++ 编译器。
	- CARLA 闭环测试另需 CARLA 0.9.15、AdditionalMaps、Vulkan 和项目代码。
	- 这是 Linux x86_64 二进制环境，不适用于 Windows、macOS 或 ARM。
	不同 Linux 系统仍需核对 glibc / 系统库；测试边界见验证报告。

	环境包不替代项目路径和资源配置。项目代码与后续流程由各项目的迁移说明管理。
	若项目启动器内部仍写着 `module load conda` / `conda activate simlingo`，
	在新服务器将这段改为 `source /absolute/path/to/env/bin/activate`，并确认 Python 路径。
	不要把 `requirements-snapshot.txt` 当作等价的全新安装锁文件；优先恢复此二进制包。