Mac上配置pytorch_geometric_signed_directed包(问题总结)(解决思路)

macbook m2 机器学习pytorch环境搭建 从windows开发环境转换到mac。python3.9。 阅读详情

本人需要给导师配置环境,涉及的系统配置是M3芯片的macbook air

首先要使用这个包得到这个网站按照说明去安装

GitHub - SherylHYX/pytorch_geometric_signed_directed: PyTorch Geometric Signed Directed is a signed/directed graph neural network extension library for PyTorch Geometric. The paper is accepted by LoG 2023.

这个是对应的网址

文章说明需要两个步骤

1.安装pytorch

首先先安装Pytorch,这边还是建议去安装anaconda的环境

通过,类似这样的创建PyGSD的虚拟环境,操作比较方便

conda create -n PyGSD python=3.9

然后呢就按照说明先安装Pytorch登录官网

这里并不建议各位下载,最新的版本,我再装载最新的版本,会出现有些包未识别的问题,这里也只建议下载2.2.0版本(后面我会说明,以及最新2.3.0以及以上的版本我也尝试过,会有问题)

conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 cpuonly -c pytorch

这里只要按照要求安装成功就行

2.安装PyG

这样pytorch的问题就结束了

下面就是安装PyG,这里地方也有很多注意点

首先回到这个网址,通过网站来回到

GitHub - SherylHYX/pytorch_geometric_signed_directed: PyTorch Geometric Signed Directed is a signed/directed graph neural network extension library for PyTorch Geometric. The paper is accepted by LoG 2023.

访问PyGInstallation — pytorch_geometric documentation

这里这个地方是可以下载的

pip install torch_geometric

这边直接下载没有任何问题,问题点就是额外库

额外库的注意点就是

这个其实得从源文件下载也是最繁琐的地方

下面也是解释为什么会下载pytorch2.2.0版本的原因

点击从源文件

这里按照代码安装除第一个的剩下四个

pip install --verbose torch_scatter
pip install --verbose torch_sparse
pip install --verbose torch_cluster
pip install --verbose torch_spline_conv

第一个连接下载不了,这个时候就需要访问这个库的网站

GitHub - pyg-team/pyg-lib: Low-Level Graph Neural Network Operators for PyG

我也不建议各位选择下载更加新的版本,用轮子下载始终会出现一些错误

下载第二个到桌面即可,然后呢我们需要将这个包解压到我们的site-packages

tar -xzvf ~/Desktop/pyg-lib-0.4.0.tar.gz -C /opt/anaconda3/envs/PyGSDN/lib/python3.9/site-packages

如果是其他环境基本上换一下名称就行,基本是这么个格式

3.安装pytorch_geometric_signed_directed包

这个没什么,直接输入代码安装就行

pip install torch-geometric-signed-directed

之后我们希望进入代码的文件目录去实现测试

输入项目文件代码、

python setup.py test

之后呢运行测试会报错

usage: setup.py [global_opts] cmd1 [cmd1_opts] [cmd2 [cmd2_opts] ...] or: setup.py --help [cmd1 cmd2 ...] or: setup.py --help-commands or: setup.py cmd --help

这样的类似的错误

因为里面的文件有很多过时的文件格式,根据GPT优化的setup.py文件

from setuptools import find_packages, setup

url = "https://github.com/SherylHYX/pytorch_geometric_signed_directed"
__version__ = '0.25.0'

with open("README.md", "r", encoding="utf-8") as fh:
    long_description = fh.read()

install_requires = [
    "torch",
    "torch_sparse",
    "scikit-learn",
    "torch_geometric",
    "numpy",
    "networkx<2.7",
    "scipy"
]

keywords = [
    "machine-learning",
    "deep-learning",
    "deeplearning",
    "deep learning",
    "machine learning",
    "signal processing",
    "signed graph",
    "graph",
    "directed graph",
    "embedding",
    "clustering",
    "graph convolution",
    "graph neural network",
    "representation learning",
    "learning",
]

setup(
    name="torch_geometric_signed_directed",
    packages=find_packages(),
    version=__version__,
    license="MIT",
    description="An Extension Library for PyTorch Geometric on signed and directed networks.",
    long_description=long_description,
    long_description_content_type="text/markdown",
    include_package_data=True,
    author="Yixuan He",
    author_email="yixuan.he@balliol.ox.ac.uk",
    url=url,
    download_url=f"{url}/archive/{__version__}.tar.gz",
    keywords=keywords,
    install_requires=install_requires,
    python_requires=">=3.7",
    classifiers=[
        "Intended Audience :: Developers",
        "Topic :: Software Development :: Build Tools",
        "License :: OSI Approved :: MIT License",
        "Programming Language :: Python :: 3.7",
    ],
)

以及setup.cfg

[metadata]
description_file = README.md

[aliases]
test=pytest

[tool:pytest]
addopts = --capture=no

然后安装pytest

pip install pytest-cov

之后我们需要进入项目的文件目录输入pytest就可以实现测试

4.问题总结

如果遇到这个问题就是你下载完之后没有按照文章要求去安装pytorch_geometric_signed_directed的包

如果遇到的问题是这个

那么基本上就是pytorch版本和PyG相关包的版本不适配,虽然pyg_lib的网址上面写了可以通过轮子下载

但是之前也警告过Mac的M芯片不能下载,所以我们就按照pyg_lib的发行版的代码安装解压即可

后面总结继续

深入浅出PyTorch(一)之mac安装 PyTorch学习笔记 阅读详情

相关推荐

【信息科学与工程学】计算机科学与自动化-——第十五篇云计算 12 公有云里的“多Region + 多AZ“ 02 运营算法01

算法逐步思考推理思考(含数学方程式、对象、资源、任务、进程/协程/线程及对应的代数、约束、目标函数/传递函数/依赖函数、参数及参数的数值范围及边界条件、逐步推理的数学方程式列表、上下文切换、并发/串行/随机/乱序/顺序)算法逐步思考推理思考(含数学方程式、对象、资源、任务、进程/协程/线程及对应的代数、约束、目标函数/传递函数/依赖函数、参数及参数的数值范围及边界条件、逐步推理的数学方程式列表、上下文切换、并发/串行/随机/乱序/顺序)云厂商提高闲置资源利用率。算法复杂度为O(N),N为实例数量。

weixin_49199313的博客 279

Mac配置pytorch的保姆级教程!!

本篇文章将介绍Mac用户如何配置PyTorch,需要事先完成的准备工作如下:安装AnaConda安装PyCharm安装python视频版教程移步B站。

罗小罗同学的博客 2万+

一、两电平IGBT整流器

电压源换流器(Voltage source converter,VSC)连接交流主网和直流电网,起到交直流网络连接、功率输送和电能变换的作用。采用电压控制手段可维持直流电压的稳定;或采用功率控制手段保证系统功率输出达到预期。VSC的三相电压平衡方程如式(1)所示:式中,igx和ugx分别表示主网三相电流与电压(x=a,b,c);ucx表示换流器VSC 交流输出电压;Rg表示交流主网等效电阻;Lg表示交流主网等效电感。

TUCHACHINA的博客 4157

MacBook 安装 PyTorch 环境

配置 anaconda 环境变量 zhaobo@zhaobodeMacBook-Pro ~ % /opt/anaconda3/bin/conda init zsh no change /opt/anaconda3/condabin/conda no change /opt/anaconda3/bin/conda no change /opt/anaconda3/bin/conda-env no change /opt/anaconda3/bin/activate no cha

weixin_40806802的博客 3644

YOLOv8环境搭建+训练自己的数据详细项目

直接按照路径会有问题,找到自己 requirements.txt 文件路径,我这里是pip install -r D:\ultralytics-main\ultralytics-main\requirements.txt。首先去自己的anaconda的安装的envs(虚拟环境),在导航栏输入cmd,进入命令窗口。到官方网站下载yolo模型 ,下载好后解压,里面有个文件requirements.txt。然后安装ultralytics ,这是必须的。

m0_63172128的博客 2万+

光度立体三维重建——光源标定

光源标定的目的是为了确定光源方向或强度,一般利用物体表面的明暗信息、阴影信息或者反射特性三类信息中的其中一种即可,也可以将三种信息结合。采用不同标定物,是利用不同标定物的反射特性获取更加精确的光源信息。

wfengzi5的博客 1560

Mac 配置pytorch ---- 保姆级教程

本文详细介绍了Mac用户如何在系统上安装Anaconda、PyCharm和Python,创建和配置PyTorch虚拟环境,以及在PyCharm中设置PyTorch环境的全过程,适合初学者参考。

m0_61343119的博客 1万+

STM32 ADC精准采集12V电池电压:从分压电路到软件校准全解析

本文详细解析了STM32 ADC精准采集12V电池电压的全过程,涵盖分压电路设计、电阻选型、ADC配置优化及软件校准方法。针对电池电压监测中的噪声、温漂等挑战,提供了硬件滤波与软件过采样等实战技巧,确保测量精度达到1%以内,满足嵌入式设备对电源管理的严苛要求。

tech5的博客 1010

Pytorch-geometric 图神经网络库 教程 (一)

前言 之前我是一直使用DGL这个图神经网络库做图神经网络方面的研究的,DGL也是一个特别漂亮的图神经网络开源库。但是DGL有如下两个缺点: DGL适合跑那种邻接矩阵是良性定义的graph。良性定义是指Aij∈{0,1}A_{ij}\in\{0,1\}Aij​∈{0,1},邻居矩阵的每个元素不能是连续的。 DGL的库更新的慢。 此外,DGL主要是基于传统的图计算那套方法来实现的,里面有mailbox之类的,并不是用数学公式来直接表达。 Pytorch-geometric则是可以解决如上的两个缺点。 因此,

jmhIcoding 3758

知识图谱与人工智能本体论:构建机器认知的语义基石

本文探讨了知识图谱与人工智能本体论如何作为机器认知的语义基石,让AI从‘知道数据’迈向‘理解知识’。文章详细拆解了本体论的核心构件与构建方法,并阐述了从本体到知识图谱的实践路径,包括知识获取、融合、存储及推理应用,最终分析了其在智能搜索与专家系统等场景中带来的根本性重塑。

nginx7reverse的博客 909

基于昇腾MindIE开箱部署Qwen2.5-VL-32B,体验更聪明的多模态理解能力

昇腾MindIE已适配支持Qwen2.5-VL-32B-Instruct并上架魔乐社区,欢迎广大开发者下载体验!

2401_87243659的博客 6870

Mac电脑安装支持GPU加速的PyTorch版本

由于我的电脑是M3 Mac Pro,虽然有GPU,但是不是NVIDIA GPU,如果要启用GPU的能力,需要从源代码编译PyTorch,并确保安装了必要的依赖项。下面我把详细步骤写下来,供各位参考。根据最新的信息,Mac M3 Pro可以安装支持GPU加速的PyTorch版本,但需要从源代码编译PyTorch,并确保安装了必要的依赖项。

weixin_50366304的博客 2005

YOLOv5/v7/v8首发革新改进——轻巧、创新的LADH检测头

本文介绍了一种原创改进的轻量化非对称多级压缩LADH检测头,该检测头能够实现即插即用,并在YOLOv5/v7/v8检测器中取得了显著的性能提升。本文将介绍一种原创改进的轻量级非对称多级压缩LADH(Lightweight Asymmetric Dual-Head)检测头,该检测头能够实现即插即用,并显著提升YOLO检测器的性能。因此,我们提出了一种非对称多级压缩的方法,即对不同类别的检测头采用不同的压缩比例。然而,为了进一步提高YOLO的性能,我们进行了一项原创改进,设计了一种轻巧且创新的LADH检测头。

IpyVariable的博客 2725

m1芯片mac安装pytorch并导入pycharm(不用anaconda)

安装完成终端输入python,再输入import torch,没有报错就是成功。回到设置,选择刚刚添加的解释器,下面已经有了torch和torchvision。打开终端直接输入,配置pip默认为清华镜像源,加速后续下载。选择系统解释器,点击三个点,将路径粘贴选择python并确定。打开新的终端,输入which python,复制路径。打开终端直接输入,输入密码(看不见)。如图,选择添加本地解释器。打开settings。

qq_54147913的博客 730

SCADA|KingSCADA通过组合框选择修改变量的值

《SCADA项目中组合框控件的使用方法》 本文详细介绍了SCADA系统中组合框(下拉框)控件的应用方法。通过具体示例演示如何实现:当选择"雷工笔记"时变量值为100,选择"雷工杂谈"时为200,选择"小李食代"时为300的功能。主要实现步骤包括:1)创建项目并添加组合框控件;2)设置Items选项及对应数值;3)创建内存变量;4)使用GetCurrentIndex()和GetItemData()方法;5)在选项变化事件中编写脚本。该控件在SCADA

做有价值的事,积累有价值的笔记! 858

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

如何在M芯片的Macbook上训练神经网络

在 M2 芯片上使用 PyTorch,可以有效利用 Metal 后端进行 GPU 加速。通过适当的安装和代码配置,你可以在 MacBook 上高效地进行深度学习训练和模型开发。

shengfzy的博客 3047

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

【Python】MacBook M系列芯片Anaconda下载Pytorch,并开发一个简单的数字识别代码(附带踩坑记录)

macbook安装pytorch

Zhangsama1的博客 9054

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

MacOS Pytorch 机器学习环境搭建

工欲善其事,必先利其器。此次将采用 Anoconda + Pytorch + PyCharm 来一起构建 Pytorch 学习环境,方便快捷!

zxhandroid的博客 4042

手把手教你-MAC笔记本安装Pytorch环境

MAC笔记本安装Pytorch环境,深度学习代码开发

2055

MacOS M1 配置torch-geometric

MacOS M1 配置torch-geometric

ALLISBUG的博客 751

「Macos」 苹果笔记本 M系列 安装 torch_geometric torch-sparse torch-cluster torch-scatter 等机器学习库指南

地址为: https://pytorch-geometric.com/whl/针对你的 torch 版本去官网下载对应的 whl 文件然后 pip 安装。先安装指定版本的 torch 以 2.0.1为例。默认电脑已经安装好 Anaconda 环境。笔者配置为 MacBook Pro 14寸。需要安装一会 成功后会显示。CPU 为 M1 Pro。

Constantiny的博客 2907

MAC M1安装 PyG

Mac M1 芯片安装 PyG

weixin_44857688的博客 883

MacOS的M系列芯片中配置高版本torch的torch-geometric

mac的M芯片上配置高版本torch的PyG依赖包

qq_42979684的博客 1168

MacBook 上安装 Tensorflow 支持 MPS GPU

Mac上安装测试pytorch和tensorflow对mps的支持

owlion的博客 2187

torch_geometric踩坑实战--安装与运行 亲测有效!!

torch_geometric是PyG中必不可少的一个包,也是进行图神经网络学习的必备,然而安装这个包并运行一段简单的代码踩了不少坑,记录一下。本人亲测有效!!

m0_55245520的博客 1万+

Pytorch学习日记:Jupyter Notebook安装配置(Mac M3)

MacOS Jupyter Notebook安装配置

weixin_46831657的博客 1101
上一篇: Pip下载的网址,Cuda版本对应问题总结
下一篇: Python爬虫泰晤士2024排名,以及问题总结
PRATICKSTAR
博客等级 码龄5年 1321粉丝 13原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值