5分钟内完成DeePMD-kit的安装(二)

在过去的两年里，DeePMD-kit的安装流程取得了显著的进展。本文旨在分享这些最新进展，并为其他科学计算软件的安装提供参考。首先，我们优化了pip安装LAMMPS接口及提供更多平台的轮子。

依托Python社区打包工程的发展，如PEP-517、PEP-518、PEP-621等规范的通过，以及setuptools、pip、wheel、build、auditwheel等工具的定位，DeePMD-kit在两年前已经采用scikit-build实现pip安装，并使用cibuildwheel构建轮子，并上传至pypi。然而，此前使用pip install deepmd-kit并非最佳实践，原因在于存在一些问题。

为了提升安装的稳定性，DeePMD-kit的安装模块进行了全面重构。依据PEP-517规范，构建自定义后端，确保在检测到未安装TensorFlow时，pip自动添加TensorFlow CPU版本作为构建依赖。同时，利用setuptools新特性，将setup.py中的元数据迁移到pyproject.toml。

考虑到TensorFlow的C++库版本可能改变ABI，之前的轮子并未固定TensorFlow版本，导致安装后可能发现不兼容。在近期更新中，我们读取TensorFlow版本号，以此固定TensorFlow版本，确保与构建所用的TensorFlow版本一致。此外，我们新增了Linux aarch64、macOS x86-64和Windows x86-64平台的轮子，并修复了其他平台的bug。同时，构建CUDA 11.8版本的GPU支持，当GPU不可用时回退至CPU版本。值得一提的是，由于CUDA 11改进了兼容性，构建的包在CUDA 11.2版本下同样可用。此外，我们对每个平台只构建一个轮子，避免对每个Python版本进行构建，因为DeePMD-kit仅链接TensorFlow，不会影响二进制库。

进一步，我们构建了LAMMPS的pypi轮子，作为DeePMD-kit的可选依赖，并通过entry points提供了CLI和plugin的入口。在加载plugin时，自动将DeePMD-kit的plugin加载到LD_LIBRARY_PATH等环境变量中。同时，_pywrap_tensorflow_internal.so文件暴露了C++接口，因此我们构建了C++库和LAMMPS plugin，使得LAMMPS支持plugin模式和从环境变量读取plugin列表。

最新版本2.2.0b中的pip安装命令已全面更新，Linux轮子需要GLIBC 2.28或以上版本，因为TensorFlow已切换至_GLIBCXX_USE_CXX11_ABI=1。然而，当前的manylinux2014镜像（如CentOS 7）的编译器不支持_GLIBCXX_USE_CXX11_ABI=1，需要采用其他方法解决。在macOS方面，GitHub Actions计划于今年Q3提供Apple M1机器，macOS arm64的轮子届时将可以构建。

在conda安装方面，libdeepmd和LAMMPS成功解耦，不再存在依赖关系。然而，当两者同时安装并在conda环境中激活时，LAMMPS plugin的环境变量加载，LAMMPS也能加载DeePMD-kit的plugin。conda-forge社区已经全面支持macOS x86-64和arm64平台，并加快了TensorFlow的构建速度，支持最新版本的macOS x86-64和arm64的Python库和C++库。LAMMPS也支持plugin包，并已添加macOS arm64支持。因此，conda-forge的DeePMD-kit与LAMMPS解耦，全面支持macOS平台。

考虑到C++接口在不同编译环境下的ABI差异，DeePMD-kit推出了C接口，不包含任何依赖，并提供一个C++实现的头文件，以便与原来的C++接口实现无缝迁移。通过GitHub Actions打包和分发Linux环境下、支持CUDA 11的libdeepmd_c.tar.gz，用户可以直接下载并解压后，与AMBER程序进行集成，大大节省了安装时间。

总之，DeePMD-kit在安装流程上的优化和新功能的引入，不仅提升了软件的稳定性和兼容性，还为用户提供了更简便的安装体验。这些改进不仅适用于DeePMD-kit自身，也为其他科学计算软件的安装提供了有益的参考。

本文如未解决您的问题请添加抖音号：51dongshi（抖音搜索懂视），直接咨询即可。