torch_sparse安装不上 pyg

原创已于 2023-07-14 15:03:50 修改 · 3.7k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节

于 2020-10-24 10:29:10 首次发布

教程同时被 2 个专栏收录

60 篇文章

订阅专栏

linux

10 篇文章

订阅专栏

本文档提供了在Linux环境下安装PyTorch Geometric的详细步骤。首先，你需要访问官网根据你的CUDA版本（例如10.2）和Python版本（如3.8）选择合适的whl文件。然后，使用wget命令下载torch_sparse、torch_cluster和torch_scatter的whl文件。下载完成后，通过pip安装这些whl文件，最后安装torch-geometric。如果遇到困难，可以尝试从阿里云镜像源安装特定版本的torch-geometric。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

到官网中 https://pytorch-geometric.com/whl/torch-1.6.0.html
下载对应的版本 cu为cuda版本

import torch
print(torch.__version__)

print(torch.version.cuda)
print(torch.backends.cudnn.version())

https://pytorch-geometric.com/whl/torch-1.6.0%2Bcu102.html
我这里是10.2， cp为python 版本。（可以用win浏览器下载传进linux）
在这里插入图片描述

linux 下载示例

wget https://pytorch-geometric.com/whl/torch-1.6.0/torch_sparse-latest%2Bcu102-cp38-cp38-linux_x86_64.whl
wget https://pytorch-geometric.com/whl/torch-1.6.0/torch_cluster-latest%2Bcu102-cp38-cp38-linux_x86_64.whl
wget https://pytorch-geometric.com/whl/torch-1.6.0/torch_scatter-latest%2Bcu102-cp38-cp38-linux_x86_64.whl

下载完成之后，在当前python 环境中
pip install *.whl 即可安装对应的whl 离线安装包

在这里插入图片描述

最后安装 torch-geometric

pip install torch-geometric

如果实在装不上，可以使用阿里云的

pip install torch-geometric==1.7.2  -i https://mirrors.aliyun.com/pypi/simple/

参考：https://zhuanlan.zhihu.com/p/138826540

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_40248634

关注关注

2
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【配置服务器】PyTorch环境搭建，torch_sparse扩展库的安装问题

m0_49230366的博客

11-07

2887

提示：本来是想只装一下torch_sparse结果试了好几次都是报错，究其原因原来是torch版本更新要与之一一对应，是一个作者写的在torch的基础上增加了好几个扩展库，他们反复调用，相互依赖。需要根据自己电脑系统和anaconda环境来下载对应的版本，一定要看仔细了！！！相应版本截图推荐一个学生党福利，autodl这个服务器对学生党友好。1、注册之后，先去简单看一下他的帮助文档，做个初步了解，这里就不再赘述了。2、选择适合自己的服务器之后，在我的实例里开机先在更多的菜单栏选择无卡模式开机，

windows安装torch_sparse\torch_geometric\torch_cluster

xiongzai2016的博客

09-07

2423

windows上通过命令窗口直接pip install torch_sparse会报一大片错误。那就通过直接通过.whl源文件安装。 https://pytorch-geometric.com/whl/torch-1.4.0.html 如我要安装torch_sparse,安装环境是python3.6, pytorch1.4版本(这个影响不大), 没有Gpu,那么我选择了红色框出来的这个版本进行下载安装。下载后进入到该文件所在的目录下，并安装。如下图命令：因为我安装完了，所以就不显示安装完成的样子。相

参与评论您还未登录，请先登录后发表或查看评论

torch_sparse安装失败解决方法

weixin_55833952的博客

02-23

2031

torch_sparse安装失败解决方法

torchsparse安装

热门推荐

AI_BING_的博客

05-26

1万+

torchsparse安装以及安装失败原因分析和解决

torch_sparse安装

mynameislfc的博客

11-11

2059

前往该网站把对应的版本下载下来，放在“anoconda/pkgs”或"miniconda3/pkgs"中。

PyPI 官网下载 | torch_sparse-0.6.12.tar.gz

01-30

在PyPI官网上，我们可以找到名为"torch_sparse-0.6.12.tar.gz"的资源，这是一个压缩包文件，包含了Python库torch_sparse的版本0.6.12。这个库专注于在深度学习环境中处理稀疏张量，是PyTorch生态体系中不可或缺的一...

一条命令解决安装torch_scatter torch_sparse torch_cluster torch_spline

Aa_Lyang的博客

01-14

1131

该命令安装了pyg_lib包以及一些与PyTorch相关的包（torch_scatter、torch_sparse、torch_cluster、torch_spline_conv）从特定的包索引URL。指定的PyTorch版本是2.0.0，使用的CUDA版本是11.8。如果你的版本不是我这样子的，可以输入以下指令查看自己 torch 和 cuda 的版本，然后修改上面那条命令后面的版本数字即可。

需要使用torch_geometric，安装pytorch-sparse失败的解决方案

chen2601379699的博客

11-25

1963

需要使用torch_geometric，安装pytorch-sparse失败的解决方案

pycharm使用之torch_sparse安装

关关难过关关过

06-11

3489

这里要跟自己的python对应上，我的是3.9.7，所以对应的是cp39。按照这样的思路找，然后下载。我是win，所以下载的是。3、输入import torch，然后输入torch.__version__，最后回车。最简单直接的方法就是把刚刚下载的文件复制到你的程序所在的文件夹。有cude的就选择对应的cuxxx，没有的话就选择cpu。3、下载对应的torch_sparse版本。二、下载合适的torch_sparse版本。可以看到我的torch版本是1.10.0。2、选择对应的torch版本。

pyg安装——ERROR: Failed building wheel for torch-sparse

weixin_54649246的博客

02-08

6473

pyg安装的时候最开始还好好的，然后就出现orch-sparse安装出问题了，记录一下解决的办法。

torch-scatter和torch-sparse安装失败解决方案（自用）

m0_73505963的博客

01-22

658

从刚刚的conda环境中，使用cd命令进入你在浏览器中下载这些文件的文件夹位置下，执行下面的命令。找到对应的torch，里面的cu是你CUDA的版本，111表示CUDA11.1，点击进去。这里面的cp表示的是你的python版本，Win和Linux自行选择即可。上述命令执行之后出现timed out以及不适配，网络连接不稳定等问题。是因为从pip install中的whl文件无法获取成功，导致一直出错。这里还有一个小建议，最好是先装这两个包再安装。这样就可以快速安装这两个库了。记住自己的torch版本。

配置torch-sparse 和 torch_scatter安装时报错failing

SpaceSunflower 's ML/DL home

10-11

1619

【torch安装】torch-sparse 和 torch_scatter安装报错处理

【亲测免费】 TorchSparse 安装和配置指南

gitblog_09697的博客

09-13

1012

TorchSparse 安装和配置指南 1. 项目基础介绍和主要编程语言项目介绍 TorchSparse 是一个高效的高性能神经网络库，专门用于点云处理。它由 MIT 的 Han Lab 开发，旨在为自动驾驶和其他应用中的点云计算提供高效的训练和推理框架。TorchSparse 通过优化稀疏卷积的计算模式，显著提升了点云处理的性能。主要编程语言 TorchSparse 主要使用 Python ...

解决PyG安装中torch-sparse安装失败问题：详细指南

Software Engineer、Artificial Intelligent

02-03

1854

最近在学习GNN，需要使用PyTorch Geometric（PyG）库。在安装PyG的过程中，遇到了本文将详细记录问题的解决过程，并提供多种解决方案，帮助同样遇到问题的uu顺利安装PyG。

ERROR: Failed building wheel for torch_sparse

m0_46698362的博客

12-18

2301

3.点进去复制网址https://pytorch-geometric.com/whl/torch-1.12.1+cu116.html，就可以安装好了。torch_scatter也适用。2.在https://pytorch-geometric.com/whl/选择匹配的版本。直接使用pip安装torch_sparse，出现错误。1.查看本机的pytorch版本。

torch-sparse安装错误； windows上面jps没有namenode；如何下载spark

weixin_44724619的博客

11-09

410

按照要求，我已经离线下载了，但是我错误的以为whl放在这里就可以了结果报错。。。。后来按照提示放，就对了！

torch_cluster、torch_scatter、torch_sparse、torch_geometric四个包的安装【错误：Segmentation fault】

Drug discovery

11-15

2810

就选择他们一一对应的的包即可，然后再。

Running setup.py clean for torch_sparse Failed to build torch_sparse

最新发布

03-26

### 可能的原因分析 `torch_sparse` 是 PyTorch Geometric 的一部分，用于处理稀疏矩阵操作。如果 `setup.py clean` 运行时发生错误，则可能是由于以下几个原因： 1. **依赖项缺失**：某些必要的库未安装或版本不匹配[^1]。 2. **编译器配置问题**：C++ 编译器可能未正确设置或缺少支持 C++17 或更高标准的功能[^2]。 3. **Python 版本冲突**：使用的 Python 版本可能与 `torch_sparse` 不兼容[^3]。 --- ### 解决方案 #### 方法一：重新安装依赖尝试通过以下命令重新安装所需的依赖项： ```bash pip install --upgrade setuptools wheel pip install torch-scatter torch-sparse -f https://data.pyg.org/whl/torch-${TORCH_VERSION}+${CUDA_VERSION}.html ``` 上述命令会确保下载适合当前 PyTorch 和 CUDA 配置的预编译二进制文件[^4]。 #### 方法二：清理旧构建缓存有时之前的构建残留可能导致问题。可以手动删除临时目录并重试： ```bash rm -rf build/ python setup.py clean ``` #### 方法三：检查环境变量确认是否设置了正确的编译器路径以及相关环境变量。例如，在 Linux 上可运行以下命令来指定 GCC 路径： ```bash export CC=gcc export CXX=g++ ``` #### 方法四：升级 pip 工具链过时的工具可能会引发兼容性问题。执行如下更新操作： ```bash pip install --upgrade pip ``` #### 方法五：验证硬件加速支持对于 GPU 用户而言，需保证已安装对应版本的 NVIDIA CUDA Toolkit 并且驱动程序满足最低需求[^5]。 --- ### 示例代码片段以下是简单的测试脚本来验证安装成功与否： ```python import torch from torch_sparse import SparseTensor row = torch.tensor([0, 1, 1]) col = torch.tensor([1, 0, 1]) value = torch.tensor([1, 2, 3]) sparse_tensor = SparseTensor(row=row, col=col, value=value) print(sparse_tensor.to_dense()) ``` --- ### 注意事项 - 如果仍然遇到困难，请提供完整的错误日志以便进一步诊断。 - 确认操作系统平台（Windows/Linux/macOS），因为不同平台上可能存在特定限制条件[^6]。