ok bool | date timestamp[s] | architecture string | python string | source_activation bool | conda_unpack bool | clean_environment bool | user_site_packages_disabled bool | original_prefix_absent_from_sys_path_and_loaded_libraries bool | imports_passed list | versions dict | cpu_torch_operation bool | torchvision_compiled_nms bool | pillow_image bool | pip_entrypoint bool | torchrun_entrypoint bool | cuda_available_on_validation_host bool | torch_cuda_runtime string | external_cuda_toolkit_required bool | cuda_home_detected_or_preserved_by_activation bool | gpu_compute_tested bool | new_server_tested bool | scope string | restore_script_offline_end_to_end bool | restore_script_requires_host_conda bool |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
true | 2026-10-15T00:00:00 | x86_64 | 3.8.18 | true | true | true | true | true | [
"torch",
"torchvision",
"transformers",
"flash-attn",
"deepspeed",
"pytorch-lightning",
"opencv-python",
"carla",
"accelerate"
] | {
"torch": "2.2.0",
"torchvision": "0.17.0",
"transformers": "4.46.3",
"flash-attn": "2.7.0.post2",
"deepspeed": "0.16.2",
"pytorch-lightning": "2.4.0",
"opencv-python": "4.2.0.32",
"carla": "0.9.15",
"accelerate": "1.0.1"
} | true | true | true | true | true | true | 12.1 | true | true | false | false | Different-path restoration on the source Linux host, with a separately supplied CUDA 12.1 Toolkit; no inherited module library paths, Conda executable or user site packages. | true | false |
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）。
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。
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：
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：
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。
- Downloads last month
- 91