# VLT 虚拟环境迁移说明

本文档总结当前机器上的 `VLT` conda 环境，用于在另一台电脑上重新配置相近环境。

## 1. 当前环境概况

- 环境名：`VLT`
- Python：`3.11.14`
- PyTorch：`2.10.0+cu128`
- torchvision：`0.25.0+cu128`
- torchaudio：`2.10.0`
- torchdata：`0.11.0`
- PyTorch CUDA runtime：`12.8`
- cuDNN：`9.10.2`
- NCCL：`2.27.5`
- 当前机器 NVIDIA Driver：`560.35.05`
- 当前机器 CUDA Driver API：`12.6`

注意：这个环境里的 PyTorch 是 CUDA 12.8 wheel。新机器的 NVIDIA 驱动需要足够新，建议使用 `560+` 或更新版本。

## 2. 推荐创建方式

建议先创建干净 conda 环境，再用 pip 安装核心依赖：

```bash
conda create -n VLT python=3.11.14 pip -y
conda activate VLT
```

安装 PyTorch CUDA 12.8 版本：

```bash
pip install torch==2.10.0 torchvision==0.25.0 torchaudio==2.10.0 --index-url https://download.pytorch.org/whl/cu128
```

然后安装视觉跟踪、VLM、训练相关依赖：

```bash
pip install \
  timm==1.0.25 \
  numpy==2.3.5 \
  opencv-python==4.13.0.92 \
  opencv-python-headless==4.13.0.92 \
  pillow==11.3.0 \
  scipy==1.17.0 \
  scikit-image==0.26.0 \
  pandas==2.3.3 \
  matplotlib==3.10.8 \
  pycocotools==2.0.11 \
  lmdb==1.8.1 \
  easydict==1.13 \
  omegaconf==2.3.0 \
  einops==0.8.2 \
  tqdm==4.67.1 \
  visdom==0.2.4 \
  tensorboard==2.20.0 \
  tensorboardX==2.6.4 \
  nltk==3.9.4 \
  openai==2.29.0 \
  transformers==5.10.2 \
  accelerate==1.11.0 \
  datasets==4.0.0 \
  peft==0.18.0 \
  trl==0.24.0 \
  deepspeed==0.18.4 \
  gradio==5.50.0 \
  fastapi==0.128.0 \
  uvicorn==0.40.0 \
  modelscope==1.34.0
```

安装 OpenMMLab 相关包：

```bash
pip install mmengine==0.10.7 mmdet==3.3.0 mmcv==2.1.0
```

如果 `mmcv` 安装失败，优先根据新机器的 PyTorch/CUDA 版本选择 OpenMMLab 官方预编译 wheel；不要盲目源码编译。

## 3. 当前环境中的关键包版本

### 跟踪/视觉相关

```text
timm                      1.0.25
opencv-python             4.13.0.92
opencv-python-headless    4.13.0.92
Pillow                    11.3.0
numpy                     2.3.5
scipy                     1.17.0
scikit-image              0.26.0
pycocotools               2.0.11
lmdb                      1.8.1
easydict                  1.13
omegaconf                 2.3.0
einops                    0.8.2
visdom                    0.2.4
```

### PyTorch/CUDA 相关

```text
torch                     2.10.0+cu128
torchvision               0.25.0+cu128
torchaudio                2.10.0
torchdata                 0.11.0
triton                    3.6.0
nvidia-cublas-cu12        12.8.4.1
nvidia-cudnn-cu12         9.10.2.21
nvidia-nccl-cu12          2.27.5
```

### MLLM/VLM/API 相关

```text
openai                    2.29.0
transformers              5.10.2
tokenizers                0.22.2
accelerate                1.11.0
datasets                  4.0.0
peft                      0.18.0
trl                       0.24.0
deepspeed                 0.18.4
sentencepiece             0.2.1
tiktoken                  0.12.0
modelscope                1.34.0
gradio                    5.50.0
fastapi                   0.128.0
uvicorn                   0.40.0
```

### OpenMMLab 相关

```text
mmcv                      2.1.0
mmdet                     3.3.0
mmengine                  0.10.7
```

## 4. 本地 editable 包

当前环境里有一个本地 editable 安装：

```text
llamafactory 0.9.5.dev0 -> /media/data/WWZ/SX/LlamaFactory
```

如果新机器也需要跑 LLaMA-Factory 相关训练或推理，需要把该仓库同步过去后执行：

```bash
cd /path/to/LlamaFactory
pip install -e .
```

如果只跑 ATCTrack/SUTrack/CTVLT 等跟踪测试，不一定需要这个 editable 包。

## 5. NLTK 数据

部分代码会下载：

```text
punkt
averaged_perceptron_tagger
```

如果新机器无法联网，可以从旧机器的 `~/nltk_data` 拷贝到新机器同路径，或手动设置：

```bash
export NLTK_DATA=/path/to/nltk_data
```

## 6. 代理设置

如果新机器访问 HuggingFace、PyPI 或 OpenAI-compatible API 需要代理，可以写入 shell 配置：

```bash
export HTTP_PROXY=http://127.0.0.1:7890
export HTTPS_PROXY=http://127.0.0.1:7890
export ALL_PROXY=http://127.0.0.1:7890
```

## 7. 验证命令

环境配置完成后，先验证 PyTorch/CUDA：

```bash
python - <<'PY'
import torch, torchvision
print("torch:", torch.__version__)
print("torchvision:", torchvision.__version__)
print("cuda available:", torch.cuda.is_available())
print("torch cuda:", torch.version.cuda)
print("cudnn:", torch.backends.cudnn.version())
if torch.cuda.is_available():
    print("gpu:", torch.cuda.get_device_name(0))
PY
```

验证跟踪常用依赖：

```bash
python - <<'PY'
import cv2, timm, numpy, pandas, mmcv, mmdet, mmengine
import transformers, openai
print("basic imports ok")
PY
```

## 8. 复现完整环境的备选方式

如果希望尽量完整复刻当前环境，可以在旧机器导出：

```bash
conda env export -n VLT --no-builds > vlt_environment.yml
```

在新机器创建：

```bash
conda env create -f vlt_environment.yml
```

但这种方式可能因为 CUDA wheel、OpenMMLab wheel、镜像源或本地 editable 包路径不同而失败。实际迁移时更推荐按本文第 2 节分组安装。