在conda环境下安装PyTorch+PyTorch Geometric(Pyg)

本文指导如何通过PyTorch官网命令一键安装PyTorch,并自动获取匹配的CUDA和CUDNN版本,避免常见问题和版本兼容性问题,适合快速上手。
部署运行你感兴趣的模型镜像

关于cuda和cudnn

不需要按网上教程去官网下载,也不需要手动在conda环境内安装。直接按PyTorch官网命令安装PyTorch即可,cuda和cudnn会自动按你选择的版本下载。

建立conda环境并激活

大家应该都会

conda create -n 你的环境名字 python=你想要的python版本
如:
conda create -n pytorch python=3.6

激活

conda activate 你的环境名字

安装PyTorch

官网链接:Previous PyTorch Versions | PyTorch

如果不需要特定版本,目前比较稳定的版本可选pytorch 1.8.0 +CUDA 10.2。激活环境后直接运行下面代码即可:

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

其他版本按官网指示来,需要改动几个数字

重点:不要安装最新版和带有".1"的版本,比如不要装 1.8.1(大坑!)。因为后面的Pytorch geometric (Pyg)兼容性不够好,会出各种问题。

更新:2022/4/26,上述命令不能用了,建议大家去官网使用最新版的指令

测试

python
import torch
print(torch.__version__)
print(torch.cuda.is_available())

返回你的PyTorch版本和Ture既是安装成功

安装Pyg

按CTRL+D退出python,如果上一步选择的PyTorch1.8.0版本(或1.8.0以上),此时直接运行下面代码即可,亲测1.8.0没问题,安装完成

conda install pyg -c pyg -c conda-forge

其他版本按官网指示Installation — pytorch_geometric 2.0.4 documentation

找到对应的pip代码运行即可

Tips

如果之前安装出现问题,建议新建一个环境,不在老环境里修改。新环境第一个就装PyTorch,会自动装需要的其他包。

用conda命令安装时它会检测你环境里缺少的包,然后自动给你一起安装。这很方便,但是有时会装一些不正确的包,导致一些冲突。所以一定要检查它要给你装哪些包,确认没问题在确认安装。

您可能感兴趣的与本文相关的镜像

PyTorch 2.7

PyTorch 2.7

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

### 安装准备 为了确保顺利安装CUDA、PythonPyTorch以及PyTorch-Geometric,在开始之前确认计算机已满足基本硬件需求,并拥有管理员权限以便执行必要的操作。 ### 创建与激活Conda环境 创建一个新的Conda环境有助于隔离不同项目所需的依赖项,防止冲突发生。对于特定版本的需求,比如Python 3.8,可以在创建环境中指定版本号[^3]: ```bash conda create --name pyg_env python=3.8 ``` 激活新创建的环境以继续后续的操作: ```bash conda activate pyg_env ``` ### CUDA版本的选择 选择合适的CUDA版本至关重要,这取决于GPU的支持情况和个人偏好。通常建议选用最新稳定版或广泛支持的版本来获得更好的性能和支持。如果不确定具体版本,则可以跳过此步骤让系统默认处理[^4]。 ### 安装PyTorch及其依赖 直接按照官方推荐的方式安装PyTorch是最简便的方法之一,它能够自动匹配并下载相应的CUDA和cuDNN版本。访问[PyTorch官方网站](https://pytorch.org/)获取最新的安装指令,一般形式如下所示(假设使用CUDA 11.7作为例子)[^2]: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch ``` 这条命令不仅会安装PyTorch本身,还会一同部署其他常用的工具包如`torchvision`和`torchaudio`,并且指定了CUDA工具链的具体版本。 ### 配置PyTorch Geometric (PyG) 完成上述准备工作之后就可以着手于PyTorch Geometric(PYG)安装了。有两种主要途径可以选择:一是利用`conda`渠道快速便捷地完成;二是借助`pip`实现更灵活定制化的设置。考虑到兼容性和稳定性因素,这里优先推荐采用`conda`方式进行安装[^1]: #### 使用 Conda 安装 PyG 这是最简单可靠的办法,适用于大多数场景下的常规应用开发: ```bash conda install -c pyg pytorch_geometric ``` 以上命令将会从专门维护的通道中拉取适配当前环境的最佳组合方案,从而简化了许多繁琐的手动调整工作。 #### 或者使用 Pip 安装 PyG 当遇到特殊情况下无法通过`conda`正常加载所需资源时,可尝试转而依靠`pip`来进行补充性的安装活动。不过在此之前需先确保已经成功设置了PyTorch运行环境: ```bash pip install torch-scatter torch-sparse torch-cluster torch-spline-conv torch-geometric -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html ``` 请注意替换`${TORCH}`和`${CUDA}`变量为实际使用的PyTorch版本号及对应的CUDA标签名。
评论 11
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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