安装与授权

下载并安装 REVIVE 后，选择在线 access key 或离线许可证，即可开始训练。 安装前请阅读交付包中的 License_cn.txt、License_en.txt，了解使用范围与许可条款。

环境要求

项目	要求
操作系统	Linux x86_64，glibc 2.28 及以上
Python	Python 3.10 或 3.11
内存	建议 8 GB 以上；大数据集和复杂模型需要更多内存
CPU	可运行入门示例与训练流程
NVIDIA GPU	配置显卡驱动
其他环境	本次加密包不包含 Ascend NPU 环境；源码功能范围与加密交付支持范围分别确认

安装软件包

解压并安装

将 revive-2.x.x-linux-x86_64.zip 解压，在 Python 3.10 或 3.11 环境中执行以下命令。 请将 cd 后的路径替换为实际解压目录，该目录中应包含 setup.py 和 examples/：

cd /absolute/path/revive-2.0.0-linux-x86_64
python3.10 -m venv .venv
source .venv/bin/activate

Python 3.11 用户将 python3.10 替换为 python3.11。然后直接安装：

python -m pip install .
python -m pip check
revive --version

依赖由 pip 自动下载，需要联网；无需 Git、加密注册工具或编译器。客户包固定已验证的基础依赖版本。 CPU 可运行入门任务。GPU 需匹配显卡驱动，并在目标环境验证训练及导出。 离线安装需事先为对应 Linux 平台和 Python 版本准备 SDK 与所有依赖包。

安装后保留解压目录，在其中运行和修改示例。

CUDA 安装组合

本次 Linux x86_64 加密包适配 CPython 3.10/3.11，固定使用 PyTorch 2.7.1+cu128。 pip install . 自动选择对应 Python 的官方 wheel，并安装固定版本依赖。 CPU 与 CUDA 使用同一软件包；CUDA 需兼容 NVIDIA 驱动。安装依赖需联网，ZIP 不包含依赖镜像。

nvidia-smi
python -c "import torch; print(torch.__version__, torch.version.cuda, torch.cuda.is_available())"

在 examples/pendulum/ 中使用 config.cuda.yaml 进行 GPU 短训练：

revive train --config config.cuda.yaml --train-data data/pendulum.npz --profile smoke --run-id cuda-first --log-dir logs

显式选择 CUDA 后不可用会报错。支持范围及验收硬件以本次发行记录为准。

可选依赖与示例

需要自动搜索参数时，从解压目录安装：

python -m pip install '.[tune]'

客户包保留十个任务示例，其中倒立摆附带入门数据；其他任务按示例说明准备数据。 独立 ONNX 工具位于 revive/deploy/onnxruntime/，可整体复制到运行环境。 运行示例的基础数据处理与评估脚本前，在安装包根目录执行 python -m pip install '.[examples]'。 revive-project Skill 单独分发。 Box2D、MuJoCo、indusim 等物理仿真环境需按各任务 README 另行准备，不属于 SDK 自动安装依赖。 安装和查看 revive --help 不需要许可证；训练及调用受保护的 SDK 功能前，请完成以下授权配置。

在线授权

配置 access key

在 REVIVE 用户中心获取已开通训练权限的 access key，然后执行：

revive register

按提示输入，终端不会回显。配置保存在当前用户的 ~/.revive/config.yaml。 也可以自行创建或编辑该文件：

accesskey: "填写你的 access key"

revive register 只保存 access key，不申请许可证，也不创建训练任务。 首次运行训练时会连接授权服务，取得许可证并验证后继续执行。 尚未取得许可证时，revive license status 可能提示缺少许可证，不能据此判断 access key 无效。 请按下方首次运行启动训练。

离线授权

申请许可证

在无法访问授权服务、需要预先配置授权的服务器或容器中，可使用离线许可证。 联系技术支持确认所需的设备绑定条件和有效期；仅有日期限制的许可证无需采集机器信息。

如果许可证需要绑定设备，请在实际运行训练的环境中执行：

revive license machine-info --output machine_info.json

将生成的 machine_info.json 提交给技术支持。许可证可以绑定 machine-id、硬盘、MAC 等条件， 并设置有效期；运行时需要同时满足已约定的条件。设备更换、容器重建或有效期到期时， 请按实际环境确认是否需要重新申请。具体条件以收到的许可证为准。

安装或指定许可证

收到许可证后，安装到当前用户目录并检查：

revive license install /absolute/path/license.lic
revive license status

安装命令会先验证文件，通过后才保存；无效文件不会覆盖已有许可证。 如果希望将文件保存在自选位置，也可以通过环境变量指定：

export REVIVE_LICENSE=/absolute/path/license.lic
revive license status

在启动训练的同一终端设置环境变量；通过服务或容器启动时，在对应的运行环境中配置。 许可证文件需保持存在且可读。指定或已安装的离线许可证优先于在线授权，失效时会报错， 不会自动改为在线申请。

完全断网运行需使用按离线模式签发的许可证。续期或更换文件后，启动新的训练或推理进程。 如需使用已有 1.x 许可证，先通过安装命令验证；不匹配时按当前环境申请。

检查与开始训练

在线用户保存 access key 后，可直接启动首次训练；离线用户先确认 revive license status 显示 status: valid。从解压目录执行一次倒立摆短训练：

cd examples/pendulum
revive train \
  --config config.min.yaml \
  --train-data data/pendulum.npz \
  --profile smoke \
  --run-id install-check \
  --log-dir logs

train 会在训练前完成配置和数据预检。单独执行 validate 不申请在线许可证； 首次在线授权前需要使用受保护的预检功能时，先完成上述运行，或配置离线许可证。

成功后，结果保存在当前任务目录的 logs/install-check/，可再次运行 revive license status 查看当前许可证状态。继续正式任务时，请使用新的运行 ID， 并按入门教程准备配置、训练和评估。 smoke 只缩短训练预算，其模型与指标用于检查软件流程。

加密 SDK 的训练、PT 模型加载及相关导出功能需要有效授权。 模型文件本身不加密；独立运行已导出的 ONNX 模型无需安装 REVIVE SDK 或配置 SDK 许可证。

常见问题

遇到的情况	处理方式
平台或 Python 版本不支持	确认使用 Linux x86_64、Python 3.10 或 3.11
revive 找不到或仍显示旧版本	确认使用安装 REVIVE 的 Python 环境，核对 python -m pip --version 与 which revive
依赖冲突或模块导入失败	执行 python -m pip check，在独立环境中解决依赖冲突
注册后查询状态提示缺少许可证	注册只保存 access key；首次在线用户按上面的步骤启动训练
离线许可证不存在、过期或设备不匹配	检查文件路径和实际运行环境，联系技术支持更新许可证
在线请求失败或结果不确定	检查网络，保留申请编号，核对结果后再继续
更换许可证后仍使用旧状态	启动新的训练或推理进程；检查是否仍配置了旧许可证路径

详细处理见授权问题排查； 设备问题见CUDA 与 NPU。