Package的安装

一、变量与参数说明

SCM_AMSPKGS_USERDIR控制Package的安装位置
SCM_AMSPKGS_REPO指向AMS202*.*.yml文件
amspackages –repository “/full/path/to/Downloads/packages/AMS2024.1.yml” list列出安装包
amspackages install all命令安装所有Package
amspackages install –yes lfdft安装LFDFT
amspackages remove –force lfdft卸载LFDFT
amspackages –admin install pandas jupyterlab mlpotentials安装pandas jupyterlab mlpotentials
amspackages check lfdft检查LFDFT是否装好
amspackages update lfdft联外网的情况下，更新LFDFT版本
amspackages loc lfdft打印LFDFT的安装位置
amspackages –admin install lfdft，使用管理员权限安装，如此将默认安装到/opt/SCM/packages下面，而不是用户的~/.scm/下面，也可以通过SCM_AMSPKGS_SHAREDDIR变量控制具体安装路径，安装完毕后，SCM_PYTHONDIR与SCM_AMSPKGS_SHAREDDIR建议设置为相同变量，这2个变量应该写入系统，如此其他普通用户才能正确调用。如果是普通用户安装，建议SCM_AMSPKGS_USERDIR也设置为相同值。如果是管理员账户安装，SCM_AMSPKGS_ADMIN应设置为True

package关键词列表

Name                                                [id]|     Instl. Version     |   Disk usage   |     Avail. Version     | Licensed? | Req. licenses
========================================================|========================|================|========================|===========|================
ADFCRS-2018 Database                            [adfcrs]|                        |                |     2018: build 1      |    YES    | CRS 2021.1
LFDFT atomic database                            [lfdft]|      1.0: build 0      |    1.42 GiB    |      1.0: build 0      |    YES    | ADF 2021.1
All ML Potential backends                 [mlpotentials]|                        |                |     1.0.0: build 0     |    YES    | MLPOT 2021.1
PiNN ML backend                                   [pinn]|                        |                |     0.3.1: build 0     |    YES    | MLPOT 2021.1
Quantum ESPRESSO                                    [qe]|                        |                |      6.3: build 1      |    YES    |
SchNetPack ML backend                       [schnetpack]|                        |                |     0.3.1: build 0     |    YES    | MLPOT 2021.1
sGDML ML backend                                 [sgdml]|                        |                |     0.4.4: build 0     |    YES    | MLPOT 2021.1
TorchANI ML backend                           [torchani]|                        |                |     2.2.0: build 0     |    YES    | MLPOT 2021.1

二、在Windows中安装

Windows设置环境变量的方法：Windows如何设置环境变量？。如前面介绍的环境变量的值，设置完SCM_PYTHONDIR、SCM_AMSPKGS_SHAREDDIR、SCM_AMSPKGS_USERDIR三个环境变量（的值为Package安装的完整路径，会占用几个G的空间）后，需要重启，然后安装SCM → Packages，列表显示后，点击local mirror，选择AMS2024.1.yml，列表将重新更新，然后选择要安装的包，点击Install即可安装。

网速问题

经常容易出现网络不稳定而导致下载中途失败，用户增加环境变量 SCM_AMSPKGS_TIMEOUT，将其赋值为更大的数值，例如 60，则可以解决这个问题。默认值为 15。该值是指网络断开多少秒，下载就提示失败并终止。

如果网速不佳，一方面可以考虑在清早用网低谷期下载，另一方面该环境变量也是一种解决方案。Windows系统的环境变量设置，参考：Windows如何设置环境变量？。

三、在Linux中安装

Linux版如果支持图形窗口，则下载、安装，与Windows没有什么区别，安装完毕后，命令行输入 AMSJobs 即可打开图形窗口。

如果下载失败，同样可以参考 Windows 的 2 种解决方案：

清早下载
增加环境变量 export SCM_AMSPKGS_TIMEOUT=60

1，下载安装包

下载一个python脚本，到ams2024.*文件夹内。命令行进入该文件夹，然后联网的状态下，通过命令行输入：

amspython download_repository.py https://downloads.scm.com/Downloads/packages/listings/AMS2024.1.txt ./ scmuser scmpassword

其中scmuser和scmpassword替换为ID和密码（注意ID前面有个空格），如此将下载安装包到当前文件夹内。

2，配置环境变量

将下面的环境变量写入系统（普通用户写入~/.bashrc，root用户写入/etc/profile）

export SCM_AMSPKGS_SHAREDDIR=/opt/SCM/packages
export SCM_PYTHONDIR=/opt/SCM/packages
export SCM_AMSPKGS_USERDIR=/opt/SCM/packages
export SCM_AMSPKGS_REPO=/full/path/to/Downloads/packages/AMS2024.1.yml

注意

其中/full/path/to/Downloads/packages/AMS2024.1.yml改为下载的AMS2024.1.yml文件的实际存放路径。
如果是root用户，可以使用上述的/opt/SCM/packages，或者其他公共区域路径，如果是普通用户，则可以使用自己用户文件夹内的某个路径，例如ams2024.102文件夹内创建一个packages文件夹，上述四个变量分别指向其中。

3，安装

然后在命令行运行：

${AMSBIN}/amspackages --admin install pandas jupyterlab mlpotentials

即可安装Pandas、Jupyterlab、机器学习势。

如此安装后，各种 package 将被安装到/opt/SCM/packages/，而安装源文件中的 AMS2024.1.yml 的位置，是如上通过SCM_AMSPKGS_REPO 变量指定的。以上路径仅仅是举例，具体路径根据实际情况考虑。

如果安装 GPU 版，要求 CUDA 版本是 11.6 或 11.7。检查 CUDA 版本的命令为 nvidia-smi，例如：

CUDA11.7 版使用如下命令安装 GPU 版机器学习势：

amspackages --admin --alt mlcu117 install mlpotentials

CUDA11.6 版是:

amspackages --admin --alt mlcu116 install mlpotentials

具体使用的时候会默认调用一块 GPU 卡，用户也可以在 AMSinput → Details → Technic → Device中选择某块 GPU 卡。

升级软件版本

例如从2024.101升级到2024.102，package实际上是同一个。升级方式：
卸载旧版，但是保留package文件夹，也就是SCM_PYTHONDIR、SCM_AMSPKGS_SHAREDDIR、SCM_AMSPKGS_USERDIR所指向的那个文件夹
安装新版，把前一步说的这个文件夹，移动到你喜欢的地方
重新在系统里面设置SCM_PYTHONDIR、SCM_AMSPKGS_SHAREDDIR、SCM_AMSPKGS_USERDIR的值，指向新的这个位置
SCM → Package → local mirror，检查即可看到原先安装好的package，现在仍然是安装好的状态，可以直接使用

目录