仅CPU服务器pytorch ,torch_geometric安装配置

写在开头,做了整整三年的多组学数据分析,各种模式动物、组织、细胞系的各种组学数据,该怎么串联成我的论文?就是我要开启深度学习小白模式了。

万种流程先从环境配置开始,先说说环境,其实当家的有多GPU超大集群,因为他们真在攻克图像识别,所有节点都是满的,把我打发到了一个小的服务器上干活(这个就是基本环境了,CentOS7,CPU 无图形化界面的一个老服务器)。

发现很多分享安装的宝宝都是有GPU的,而且一个conda啥的都能解决,大概是我的环境和一些镜像限制吧(我所在机构很多网站是访问不了的),就只能conda\pip,自备镜像下载流程分享如下:

1、conda创建专属的pytorch运行环境

        

conda create -n pytorch python=3.8

conda activate pytorch

2、torch下载安装,最新官网的pytorch已经到了1.13.XX,反正很新了,各位宝宝也可以自己登录官网检索查看:

        Start Locally | PyTorch

其实官网还是很贴心的,只有CPU的各系统安装命令都给出了:

根据实际情况选择

 我没有用官方命令是因为,我服务器真的很老,不清楚最新版能否顶得住。。。

tips:网传说1.8.1版本很坑,也有人说他们带有.1的版本都很坑,我也不太清楚,就安装了个最稳定的版本,我的命令:

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

这里头虽然都安装成功了,但是因为没有cuda,所以查看cuda版本是报错的

3、torch_geometric pip 本地安装

pytorch安装好了,还得进行 torch_geometric安装

对,网上很多conda安装,或者pip直接安装。。。我,,,都试了,完了都失败了,所以就只好自行下载whl文件,pip本地安装了。

Pytorch官方链接:https://pytorch-geometric.com/whl/

根据上面查询的版本进行对应链接

https://pytorch-geometric.com/whl/torch-1.8.0%2Bcpu.html

https://pytorch-geometric.com/whl/torch-1.8.0%2Bcpu.html

我的Python版本是3.8.1,下载自己对应Python、系统的whl文件:

 下载下的文件列表(自己找个文件夹丢进去就好)

4、安装命令:

 cd 到whl存放文件夹
 pip install torch_cluster-1.5.9-cp38-cp38-linux_x86_64.whl
 pip install torch_scatter-2.0.6-cp38-cp38-linux_x86_64.whl
 pip install torch_sparse-0.6.10-cp38-cp38-linux_x86_64.whl
 pip install torch_spline_conv-1.2.1-cp38-cp38-linux_x86_64.whl
 pip install torch-geometric

至此。。。就安装好了,强调一遍,打算自己下载whl,就一定要下载对应python、对应系统对应版本的文件,否则根本安装不上,报错也很简单:

ERROR: torch_scatter-2.0.7-cp37-cp37m-linux_x86_64.whl is not a supported wheel on this platform.
是的,我刚开始下载了python3.7的了

### 安装 PyTorch Geometric (torch_geometric) 库 为了在服务器环境中成功安装 `torch_geometric` 及其依赖项,需注意以下几点: #### 1. 确认环境配置 首先确认服务器上的 PythonPyTorch 版本。可以通过以下命令检查当前的 PyTorch 配置以及 CUDA 是否可用: ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 如果需要特定版本的 PyTorch 或者 CUDA 支持,请先调整好基础环境。 --- #### 2. 安装必要的依赖包 根据引用中的描述[^1],可以按照以下方式逐步安装所需的组件。以下是推荐的安装方法之一,适用于大多数情况: 通过官方提供的 wheel 文件链接来安装兼容的版本组合。假设您正在使用 PyTorch 1.11 并希望支持 CUDA 11.3,执行以下命令即可完成安装[^3]: ```bash pip install torch-geometric \ torch-sparse==latest+cu113 \ torch-scatter==latest+cu113 \ torch-cluster==latest+cu113 \ -f https://pytorch-geometric.com/whl/torch-1.11.0.html ``` 上述命令会自动下载安装与指定 PyTorch 和 CUDA 版本匹配的扩展库(如 `torch_scatter`, `torch_sparse`)。这一步骤能够有效避免因编译器不一致引发的问题,例如运行时报错 `RuntimeError: Detected that PyTorch and torch_sparse were compiled with different CUDA versions.` --- #### 3. 检查安装是否成功 一旦所有依赖都已正确安装完毕,可通过导入模块验证安装状态。尝试运行以下代码片段以测试基本功能是否正常工作[^2]: ```python from torch_geometric.data import DataLoader ``` 如果没有抛出任何异常,则表明安装过程顺利完成。 --- #### 4. 处理常见错误 当遇到类似 `CUDA version mismatch` 错误时,应优先考虑将 `torch_sparse` 的版本更新至与现有 PyTorch 所使用的 CUDA 编译版本保持一致性。具体操作已在第 2 步中体现。 另外需要注意的是,在某些特殊场景下可能还需要额外手动安装其他辅助工具或驱动程序,比如 NVIDIA GPU Driver 更新等[^4]。 --- ### 总结 综上所述,遵循以上流程可以在绝大多数情况下顺利部署 `torch_geometric` 至目标服务器之上。务必确保各子模块间相互适配良好,并始终参照最新文档获取最精确指导信息。
评论
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