【win10】安装pytorch1.6.0+cuda10.1 + torch-geometric

本文介绍如何使用conda创建指定Python版本的环境,并安装PyTorch 1.6.0及其依赖包,包括torch-geometric等组件,适用于CUDA 10.1环境。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

conda下新建一个环境,使用python3.6

conda create --name torch_ge python=3.6

安装pytorch1.6.0

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

安装cuda10.1+cudnn

参考
百度云链接:https://pan.baidu.com/s/1HqyGjha1IkS6vBFlzxQ82g
提取码:ls3d

安装torch-geometric

pip install torch-scatter==latest+cu101 -f https://pytorch-geometric.com/whl/torch-1.6.0.html
pip install torch-sparse==latest+cu101 -f https://pytorch-geometric.com/whl/torch-1.6.0.html
pip install torch-cluster==latest+cu101 -f https://pytorch-geometric.com/whl/torch-1.6.0.html
pip install torch-spline-conv==latest+cu101 -f https://pytorch-geometric.com/whl/torch-1.6.0.html
pip install torch-geometric
### 安装适用于 CUDA 10.1PyTorch 1.6.0PyTorch Geometric 为了安装适合特定版本的 PyTorch Geometric 及其依赖项,需要先确认 PyTorch 版本和 CUDA 支持情况。以下是针对 CUDA 10.1PyTorch 1.6.0 的具体安装步骤。 #### 步骤说明 首先,确保已正确安装指定版本的 PyTorch (1.6.0),并配置好相应的 CUDA 环境 (10.1)。接着,按照官方文档中的指导,下载并安装必要的扩展包 `torch-scatter`、`torch-sparse`、`torch-cluster` 和 `torch-spline-conv`,这些包需匹配当前使用的 PyTorchCUDA 版本[^3]。 对于 Python 3.x 系统(假设为 Python 3.8),可以通过访问 [PyTorch Geometric 轮子页面](https://pytorch-geometric.com/whl/) 并选择合适的链接完成安装。以下提供具体的命令: ```bash pip install torch==1.6.0+cu101 -f https://download.pytorch.org/whl/cu101/torch_stable.html pip install torch-scatter==2.0.9 -f https://data.pyg.org/whl/torch-1.6.0+cu101.html pip install torch-sparse==0.6.12 -f https://data.pyg.org/whl/torch-1.6.0+cu101.html pip install torch-cluster==1.5.9 -f https://data.pyg.org/whl/torch-1.6.0+cu101.html pip install torch-spline-conv==1.2.1 -f https://data.pyg.org/whl/torch-1.6.0+cu101.html pip install torch-geometric ``` 以上命令会分别安装PyTorch 1.6.0CUDA 10.1 兼容的各个组件[^4]。 注意:如果遇到任何兼容性问题,请仔细核对各轮子文件的具体版本号以及目标平台的支持情况。 --- ### 示例代码验证安装 在完成上述安装后,可通过运行简单的测试脚本来验证是否成功加载 PyTorch Geometric 库及其依赖项: ```python import torch from torch_geometric.data import Data print(f"Torch version: {torch.__version__}") print(f"CUDA available: {torch.cuda.is_available()}") edge_index = torch.tensor([[0, 1], [1, 0]], dtype=torch.long) x = torch.tensor([[-1], [1]], dtype=torch.float) data = Data(x=x, edge_index=edge_index) print(data) ``` 此代码片段用于创建一个基本的数据对象实例,并打印相关信息以检验功能正常与否。 ---
评论 4
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