2021-04-21

配置Pytorch_geometric(GPU版本，CUDA Toolkit 11.1)Win10系统，显卡NVIDIA GeForce MX150（仅仅提供安装过程参考）

思路：我根据geometric官网（https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html）安装步骤里选择配套安装PyTorch 1.8.0/1.8.1 and CUDA Toolkit 11.1，然后分别去CUDA Toolkit官网（https://developer.nvidia.com/cuda-toolkit-archive）和pytorch官网（https://pytorch.org/get-started/previous-versions/）下载安装相应版本。（经验：最好按照官方文档走）

目录

配置Pytorch_geometric(GPU版本，CUDA Toolkit 11.1)Win10系统，显卡NVIDIA GeForce MX150

1.查看显卡驱动（条件：需要有独立显卡）

2.查看显卡驱动支持的CUDA的最高版本，使用驱动精灵或者官网链接下载更新驱动（大约0.5G）

3.安装CUDA Toolkit(大约2G)、CUDNN

4.安装torch

5.安装geometric及其支持包

6.检验是否安装成功

---

1.查看显卡驱动（条件：需要有独立显卡）

Intel(R)开头是集成显卡，NVIDIA开头是独立显卡，这里必须要求有独立显卡。

详见链接转自：https://blog.youkuaiyun.com/cashmood/article/details/105081586

Pytorch_geometric，CUDA Toolkit，PyTorch的版本选择（链接详见思路中官网），我选择PyTorch 1.8.0/1.8.1 and CUDA Toolkit 11.1，以及对应的Pytorch_geometric和依赖包。

2.查看显卡驱动支持的CUDA的最高版本，使用驱动精灵或者官网链接下载更新驱动（大约0.5G）

驱动官网下载链接：https://www.nvidia.cn/content/DriverDownload-March2009/confirmation.php?url=/Windows/466.11/466.11-notebook-win10-64bit-international-dch-whql.exe&lang=cn&type=geforcem

CUDA Toolkit版本与驱动版本对应关系详见链接转自：https://blog.youkuaiyun.com/qq_29007291/article/details/110878764
只要驱动版本满足最低版本要求就可以装相应的CUDA版本，我这里驱动版本为466.11可以装CUDA11.1，最高可以装CUNA11.3（还没呢）。如果驱动版本过低，则需要更新驱动，使用驱动精灵或者官网链接下载更新。更新具体步骤可参考链接转自：https://blog.youkuaiyun.com/wdsj_hs/article/details/104486680；

https://blog.youkuaiyun.com/qq_45128278/article/details/114580990？ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161897623916780366537806%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=161897623916780366537806&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-1-114580990.first_rank_v2_pc_rank_v29&utm_term=torch%E6%98%BE%E5%8D%A1%E9%A9%B1%E5%8A%A8%E6%9B%B4%E6%96%B0%E8%87%AA%E5%AE%9A%E4%B9%89

 

附：nvidia驱动，cuda与cudnn的关系链接博客：https://blog.youkuaiyun.com/qq_35941018/article/details/96481116

3.安装CUDA Toolkit(大约2G)、CUDNN

我需要的选择CUDA Toolkit11.1版本。官网下载对应版本、配置环境变量详见链接转自：https://blog.youkuaiyun.com/cashmood/article/details/105081586

注意：CUDNN需要登陆才能下载。配置环境变量一共添加了4个环境变量，4个路径

4.安装torch

下载相应版本官网链接：https://pytorch.org/get-started/previous-versions/

我下载前两个就行，因此直接运行下面命令（大约3G）

pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html

5.安装geometric及其支持包

查询官网需要的支持包并安装，官网链接：https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html

安装命令为

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-geometric

安装相应版本及支持包（测试过程中可能会出现拒绝访问，导入错误等，我的方法是卸载重装了3次）

6.检验是否安装成功

1.可以通过jupyter notebook

2.可以使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：

在cmd中输入如下命令：

cd 你自己的安装位置\CUDA\v11.1\extras\demo_suite

在分别输入bandwidthTest.exe和deviceQuery.exe

两个pass即为通过.

小探索：可以尝试跳过驱动安装直接安装对应版本的CUDA toolkit