Evo2项目安装指南：解决transformer_engine模块缺失问题

背景介绍

Evo2是一个基于深度学习的生物信息学工具包，它依赖于NVIDIA的transformer_engine模块来实现高效的Transformer模型计算。在安装过程中，许多用户会遇到"ModuleNotFoundError: No module named 'transformer_engine'"的错误提示，这通常是由于环境配置不当导致的。

问题根源分析

transformer_engine模块是NVIDIA提供的一个高性能Transformer实现库，它对系统环境有特定要求：

1. 需要正确安装CUDA和cuDNN
2. 需要特定版本的glibc库（Linux系统）
3. 需要与PyTorch版本兼容

完整解决方案

1. 安装CUDA和cuDNN

首先需要安装正确版本的CUDA和cuDNN：

# 下载并安装CUDA 12.4
wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run
sudo sh cuda_12.4.0_550.54.14_linux.run

# 安装cuDNN（需从NVIDIA官网下载）
xz -dk cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz
tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar
cd cudnn-linux-x86_64-8.9.7.29_cuda12-archive/
sudo cp include/* /usr/local/cuda/include/
sudo cp lib/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

2. 设置环境变量

在~/.bashrc文件中添加以下内容：

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后执行source ~/.bashrc使配置生效。

3. 创建Python环境

建议使用conda创建一个干净的Python环境：

conda create -n evo2 python=3.11
conda activate evo2

4. 安装PyTorch

Evo2要求PyTorch版本不低于2.6.0：

pip3 install torch torchvision torchaudio

5. 安装Evo2

克隆项目并安装：

git clone --recurse-submodules [e-mail]:ArcInstitute/evo2.git
cd evo2
pip install .

如果遇到"ModuleNotFoundError: No module named 'vortex.model'"错误，需要单独安装vortex：

cd vortex
pip install .

常见问题解决

glibc版本问题

在Linux系统上，transformer_engine 1.13.0及以上版本需要glibc >= 2.28。如果你的系统glibc版本较低，可以考虑：

1. 升级系统glibc（需谨慎操作）
2. 使用Docker容器（推荐）

Docker解决方案

对于不想修改系统环境的用户，可以使用预配置的Docker镜像：

git clone -b add-dockerfile https://github.com/victornemeth/evo2.git
cd evo2
docker build -t evo2 
docker run -it --rm --gpus all -v ./huggingface:/root/.cache/huggingface evo2 bash

进入容器后测试Evo2是否正常工作：

python3 ./test/test_evo2.py --model_name evo2_7b

如果遇到CUDA设备不可用错误，可以尝试：

CUDA_VISIBLE_DEVICES=0 python3 ./test/test_evo2.py --model_name evo2_7b

总结

Evo2的安装过程需要特别注意CUDA、cuDNN和glibc等系统级依赖的版本兼容性。通过本文提供的完整安装指南，大多数用户应该能够成功解决transformer_engine模块缺失的问题。对于不想修改系统环境的用户，Docker容器是一个安全可靠的替代方案。

安装完成后，建议运行测试脚本验证安装是否成功。如果遇到其他问题，可以检查CUDA和PyTorch的版本兼容性，或者考虑在干净的系统中重新按照步骤安装。