【环境配置】torch-scatter/cluster/sparse等的版本匹配

Amber_0419

已于 2022-03-27 19:22:44 修改

阅读量3.6k

点赞数 2

分类专栏：环境配置文章标签：自然语言处理

于 2022-03-27 15:58:12 首次发布

本文链接：https://blog.youkuaiyun.com/Amber_7422/article/details/123775061

版权

环境配置专栏收录该内容

6 篇文章

订阅专栏

本文提供了针对不同Python版本（3.6, 3.7, 3.8）的PyTorch及其相关生态组件（如torch-scatter, torch-cluster等）的具体版本配置方案。这些配置适用于进行图神经网络研究和开发。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

以下是几个可用的版本配置：

python=3.8

           torch==1.8.0+cu111
           torch-scatter==2.0.6
           torch-cluster==1.5.9
           torch-sparse==0.6.9
           torch-geometric==1.6.3

python=3.7

torch==1.1.0
torch-scatter==1.3.2
torch-cluster==1.4.5
torch-sparse==0.4.3
torch-spline-conv==1.1.1
torch-geometric==1.3.2
torchvision==0.3.0

python==3.6

torch==1.3.0
torch-scatter==1.3.2
torch-cluster==1.4.5
torch-sparse==0.4.3
torch-spline-conv==1.1.1
torch-geometric==1.3.2
torchvision==0.4.1

致谢：https://blog.youkuaiyun.com/u014714362/article/details/108614868

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Amber_0419

关注关注

2
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

torch、torchvision、torch_geometric、torch-scatter、torch-sparse的安装版本对应问题

m0_50609661的博客

06-20

2125

这里注意有一个折磨我半天的大坑，pip安装torchvision的时候会自动下载它对应版本的CPU版的torch，所以应该先安装torchvision，然后卸载CPU版本的torch，因为刚开始下载的时候一直报版本不对应我百思不得其解，最后发现安装torchvision的时候把我安装好的GPU版本的pytorch给卸了！然后安装了一个CPU版本的，这能对上吗！首先查看自己的GPU的cuda，然后安装对应的CUDA和CUdnn，然后下载对应版本的torch和torchvision，下载网站。

ASS-ASH的博客

12-05

3010

如果你通过各种pip install、conda install、加上类似-f https://pytorch-geometric.com/whl/torch-1.8.0+cu102.html、-f https://data.pyg.org/whl/torch-1.8.0+cu102.html等后缀链接，然后尝试各种组合的torch-geometric与torch-scatter torch-sparse torch-cluster、torch-spline-conv不同版本的安装之后依然没有成功，不妨试试

参与评论您还未登录，请先登录后发表或查看评论

torch、torch_scatter、torch_sparse、torch_cluster对应版本

weixin_46871027的博客

09-14

1236

pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116pip install torch_scatter-2.0.9-cp37-cp37m-win_amd64.whlpip install torch_sparse-0.6.16+pt112cu116-cp37-cp37m-win_amd64.whl

GNN配置：torch-cluster，torch-scatter，torch-sparse，torch-spline_conv，torch-geometric

m0_72158952的博客

03-28

346

在pytorch环境中构建GNN，安装torch-cluster，torch-scatter，torch-sparse，torch-spline_conv 和torch_geometric。

torch-scatter, torch-cluster, torch-sparse, torch版本对应，cuda

u014714362的博客

09-16

1万+

torch-scatter, torch-cluster, torch-sparse 的版本需要与torch版本对应，不然会出现莫名其妙的错误。以下是一个可用的版本配置： torch==1.1.0 torch-scatter==1.3.2 torch-cluster==1.4.5 torch-sparse==0.4.3 torch-spline-conv==1.1.1 torch-geometric==1.3.2 torchvision==0.3.0...

【关于pytorch-geometric、torch_cluster、torch_scatter、torch_sparse、torch_spline的版本对应及安装】

qq_43701258的博客

11-14

830

踩坑：标题的那几个库，直接安装会有很大概率导致版本不兼容造成报错，本文用于记录自己的踩坑解决方案。提示：以下是本篇文章正文内容，下面解决方案可供参考跟着教程一点点来就可以了。如果有不懂或者书写有误的地方，欢迎指正，可以私信，或者加入我们的微信公众号。

python安装torch-cluster、torch-scatter、torch-sparse和torch-geometric | torch_geometric详细安装教程

sinat_29950703的博客

08-05

4647

python安装torch-cluster、torch-scatter、torch-sparse和torch-geometric，常见错误

20220509Pytorch安装torch-geometric, torch-sparse, torch-scatter, torch-cluster, torch-spline-conv

real_wxzhou的博客

05-09

1065

第一步：在Pytorch中下载需要的版本链接：https://pytorch.org/get-started/previous-versions/ e.g. torch == 1.7.1 # CUDA 11.0 pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html # CUDA 10.2 pip inst

安装torch==1.8.0+cu111 torch-scatter torch-cluster、sparse、geometric

weixin_52581013的博客

08-08

555

安装torch==1.8.0+cu111 torch-scatter torch-cluster、sparse、geometric

torch版本对应的torch_geometric与torch-sprse/cluster/scatter库的正确安装

ASS-ASH的博客

10-19

8068

使用上述标红命令即可快速安装需要的包（确定自己环境中安装的pytorch版本以及cuda版本，使用对应的命令即可）

Linux下安装‘torch_geometric’、’torch-scatter’、 ‘torch-cluster’、 ‘torch-sparse’详细教程

weixin_43994864的博客

12-02

2603

要安装torch_geometric，必须按照以下顺序进行！!! 第一步，必须安装torch，本人使用cuda9.2，使用命令安装的1.4.0版本，即conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2 -c pytorch，可以再Pytorch官网选择自己需要的版本安装命令进行安装。第二步，再安装’torch-scatter’、 ‘torch-cluster’、 'torch-sparse’模块。即： pip install

torch_sparse-0.6.17+pt113cu117-cp37-cp37m-linux_x86_64whl.zip

12-25

需要配和指定版本torch-1.13.1+cu117使用，请在安装该模块前提前安装官方命令安装torch-1.13.1+cu117对应cuda11.7和cudnn，注意电脑需要有nvidia显卡才行，支持GTX920以后显卡，比如RTX20 RTX30 RTX40系列显卡

torch_sparse-0.6.10-cp39-cp39-linux_x86_64whl.zip

01-15

需要配和指定版本torch-1.8.0+cpu使用，请在安装该模块前提前安装官方命令安装torch-1.8.0+cpu

torch、torch-scatter、torch-sparse版本依赖问题

最新发布

qlkaicx的博客

03-29

962

步骤命令卸载 PyTorch 2.6.0安装 PyTorch 2.5.1 CPU 版安装 PyG 依赖安装 PyG。

程序报错之torch、torch-geometric、torch_sparse等版本依赖问题

weixin_45928096的博客

10-05

7431

重新安装torch、torch-geometric库 1 查询cuda版本，下载对应的torch库 2 先下载对应版本的torch_scatter、torch_sparse等 3 安装.whl文件 4 安装 geometirc

解决：torch, torch-scatter, torch-sparse, torch-cluster, torch-spline-conv 版本不匹配而导致的问题

qq_41356707的博客

11-20

2497

1.步骤一从下面这个链接进去，选择适合自己电脑版本的pytorch。有同学问：不是torch吗，为什么用pytorch？这里，可以自行百度一下torch和pytorch的区别，大概就是pytorch是torch的python版本，功能大概相似，区别不是很大。 pytorch官网：https://pytorch.org/get-started/locally/ 我是再anaconda环境下装的，这个比较容易。比如我在环境下的终端运行的是： conda install pytorch torchvision

pycharm使用之torch_sparse安装

关关难过关关过

06-11

3372

这里要跟自己的python对应上，我的是3.9.7，所以对应的是cp39。按照这样的思路找，然后下载。我是win，所以下载的是。3、输入import torch，然后输入torch.__version__，最后回车。最简单直接的方法就是把刚刚下载的文件复制到你的程序所在的文件夹。有cude的就选择对应的cuxxx，没有的话就选择cpu。3、下载对应的torch_sparse版本。二、下载合适的torch_sparse版本。可以看到我的torch版本是1.10.0。2、选择对应的torch版本。

torch,torchvision,torch-sparse，torch-scatter版本问题

qq_41220883的博客

04-22

6804

最近安装torch，torch-sparse，torch-scatter，torch-cluster，torch-spline-conv，遇到版本不匹配的问题，试了很多，找到了解决办法。^_ ^，磕盐人呀，必须解决。 1.已有基础： Cuda:10.1 Cudnn:7.6.5 2.再此基础上安装：在官网https://pytorch.org/get-started/previous-versions/ 可以找到cuda对应的pytorch的版本，以及选择是否安装GPU。这里选择使用命令，#cuda=10

torch_geometrci安装，没有安装安装torch-scatter, torch-sparse, torch-cluster

02-19

### 安装 `torch-geometric` 和其依赖项 (`torch-scatter`, `torch-sparse`, `torch-cluster`)，建议遵循官方推荐的方法来设置环境。这通常涉及使用特定于 PyTorch 版本和 CUDA 配置的预编译二进制文件。 #### 方法一：通过 PyPI 安装最新稳定版对于大多数用户而言，最简单的方式是从 Python Package Index (PyPI) 获取最新的稳定版本： ```bash pip install torch_geometric[full] ``` 这条命令会自动处理所有必要的依赖关系并安装它们[^1]。 #### 方法二：针对特定 PyTorch/CUDA 组合的手动安装如果需要匹配某个具体的 PyTorch 或者 CUDA 版本，则应该先确认已正确安装所需版本的 PyTorch 后再继续如下操作：假设已经安装了 PyTorch 1.7.1 并且想要兼容 CUDA 11.0 的情况下，可以从指定 URL 下载适合当前系统的 wheel 文件，并依次执行下面几条指令完成各个组件的部署： ```bash pip install https://data.pyg.org/whl/torch-1.5.8-cp37-cp37m-linux_x86_64.whl pip install https://data.pyg.org/whl/torch-1.7.1%2Bcu110/torch_scatter-2.0.5-cp37-cp37m-linux_x86_64.whl pip install https://data.pyg.org/whl/torch-1.7.1%2Bcu110/torch_sparse-0.6.8-cp37-cp37m-linux_x86_64.whl pip install https://data.pyg.org/whl/torch-1.7.1%2Bcu110/torch_spline_conv-1.2.0-cp37-cp37m-linux_x86_64.whl pip install torch_geometric==1.7.0 ``` 请注意替换上述链接中的版本号以适应实际使用的 PyTorch 和操作系统架构[^2]。 #### 检查安装成功与否可以通过导入这些库来进行简单的测试，验证是否安装无误： ```python import torch from torch_geometric.data import Data print(torch.__version__) print(Data) ```