Windows中使用Miniconda安装PyTorch、torch_geometric、DGL，实现图神经网络（GNN）训练、测试

原创已于 2025-04-25 21:52:35 修改 · 714 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #神经网络 #人工智能 #笔记 #windows #python

于 2025-04-25 21:47:28 首次发布

前言

今天做一个图神经网络的实验，需要安装torch_geometric和dgl，踩到了一系列的坑，这里记录一下。

为什么为出现各种问题？

DGL官方不再为Win和Mac提供最新预编译包

在现在（2025-04-25），打开dgl.ai，如果你将Your OS选为Windows或者Mac，它会告诉你# Since 2024.06.27, we have stopped providing packages for Windows and MacOS. The latest version of available package is 2.2.1. For newer versions, please install from source.
意思就是自从2024.06.27，它就不再提供对新发布的dgl版本提供Windows和Mac的预编译包了，要想安装高于2.2.1版本的dgl，只能自己编译。如果懒得编译，最新就只能用上2.2.1的dgl。
我打开首页dgl.ai，看到最新的PyTorch选项为PyTorch2.4.x，按照习惯就在PyTorch官网下载了2.4.x中的最大版本2.4.1。
dgl官网截图
好不容易安装上之后就悲剧了，运行测试代码报错：FileNotFoundError: Cannot find DGL C++ graphbolt library at 你的Python环境路径\Lib\site-packages\dgl\graphbolt\graphbolt_pytorch_2.4.1.dll。打开这个Lib\site-packages\dgl\graphbolt这个路径一看，还真没graphbolt_pytorch_2.4.1.dll：
$Lib\site-packages\dgl\graphbolt路径截图$
最高只有PyTorch2.3.0，原来dgl提供的Windows中的预编译包2.2.1已经不是最新版本了，跟官网首页对不上号，只支持PyTorch2.1.0、2.1.1 … 2.3.0。

CUDA、PyTorch、DGL版本不匹配

打开PyTorch官网、DGL官网，你会发现，同一个PyTorch版本号，根据CUDA版本不同（或使用CPU），有不同的安装命令；DGL根据PyTorch以及CUDA（或使用CPU）版本不同，也有不同的安装命令。
如果不安装官方网站上提供的版本依赖关系安装，你可能会得到

ModuleNotFoundError: No module named 'torch.utils.benchmark'
FileNotFoundError: Cannot find DGL C++ graphbolt library at……
OSError: [WinError 126] 找不到指定的模块
等等奇奇怪怪的报错信息。第一个原因其实是这一条的特例

全流程

想要同时安装多个Python环境，这里推荐使用Miniconda管理，免费、轻量、功能完善。能够减少依赖冲突的发生。

安装Miniconda

根据官方文档安装。

创建虚拟环境gnn

运行conda create --name gnn python=3.10 ，这个命令表示创建一个python3.10的环境，我们把它命名为gnn（名字可随意取，建议做到见名知意）。

在虚拟环境中安装PyTorch

首先执行conda activate gnn激活gnn虚拟环境。
有了上面的经验，我们知道需要安装PyTorch2.1.0、2.1.1 … 2.3.0等在Lib\site-packages\dgl\graphbolt中存在graphbolt_pytorch_x.y.z.dll的版本。
这里安装PyTorch2.3.0（还是延续了我安装最新版的习惯…）：

conda install pytorch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 cpuonly -c pytorch

命令可以PyTorch历史版本中找到。这里我懒得处理CUDA的依赖版本问题，安装的是CPU版。

在虚拟环境中安装pytorch-geometric

安装pytorch-geometric的依赖，打开pytorch-geometric依赖的预编译包网站，首先根据PyTorch的版本进入第一层文件夹，如博主这里安装的是PyTorch2.3.0的CPU版，打开torch-2.3.0+cpu链接。

假设你安装的是PyTorch2.6.0和CUDA12.6，那么你需要打开torch-2.6.0+cu124链接。

接着根据你的Python版本（如cp310表示CPython3.10）、操作系统（如win、linux、macosx）、CPU架构（如x86_64、amd64、universal2）选择要下载的torch_cluster、torch_scatter、torch_sparse安装文件，如torch_cluster-1.6.3+pt23cpu-cp310-cp310-win_amd64.whl。
然后分别使用下列命令安装torch_cluster、torch_scatter、torch_sparse：

pip install 你下载的whl文件的相对路径或绝对路径

安装完torch_cluster、torch_scatter、torch_sparse后，执行下列命令安装torch_geometric：

pip install torch_geometric -i https://pypi.tuna.tsinghua.edu.cn/simple

在虚拟环境中安装DGL

打开DGL官网，选中自己的PyTorch版本（2.3.x）、CUDA版本（None）、Package类型（Conda）以及操作系统（Windows），执行提供的conda安装命令：
installation

conda install -c dglteam dgl

测试

运行下面的代码进行测试：

import dgl
import torch
import torch_geometric

如果输出类似进程已结束，退出代码为 0，则表明安装成功。