PyTorch Geometric (PyG) 库的安装

部署运行你感兴趣的模型镜像

前言

最近在学习图神经网络,需要用到PyG库,发现这个库的安装不能简单的使用pip install 安装,这里记录一下。

1、PyG库的安装过程

第一步:查看自己的torch版本和cuda版本

import torch
print(torch.__version__)
print(torch.version.cuda)
>>2.0.0+cu117

以本人的pytorch为例,pytorch版本是2.0.0,cuda版本是11.7。

第二步:安装相关依赖
点击进入下面网站,https://pytorch-geometric.com/whl/
点开网站,找到自己的torch和cuda对应的依赖,本人的torch版本是2.0.0,cuda版本是cu117,如下所示:
图一
找到对应版本并点击进入,显示如下,复制网址备用
在这里插入图片描述
接着打开Anaconda Prompt,conda activate pytorch进入到自己的pytorch环境中,在pytorch环境中执行以下命令:

pip install torch_scatter -f https://pytorch-geometric.com/whl/torch-2.0.0%2Bcu117.html
pip install torch_sparse -f https://pytorch-geometric.com/whl/torch-2.0.0%2Bcu117.html
pip install torch_cluster -f https://pytorch-geometric.com/whl/torch-2.0.0%2Bcu117.html
pip install torch_spline_conv -f https://pytorch-geometric.com/whl/torch-2.0.0%2Bcu117.html

注意,-f后面跟的是之前我们复制的网址,即上一个图中画着红线的网址,这个网址是和自己的pytorch版本和cuda版本对应的,每个人的都不一样。
最后执行:

pip install torch-geometric

至此,安装过程结束。

2、版本问题解决

如果之前版本安装错了,可以卸载重新安装,卸载命令是:

pip uninstall torch_geometric torch_scatter torch_sparse torch_cluster torch_spline_conv

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

<think>嗯,用户想安装PyTorch GeometricPyG。我之前了解过PyGPyTorch的一个扩展,用于图神经网络。安装过程可能有点复杂,特别是依赖项的问题。让我回忆一下之前处理类似问题的经验。 首先,用户可能已经安装PyTorch,但PyG需要特定版本的PyTorch和相关,比如torch-scatter、torch-sparse等。根据引用[2],在conda环境下安装PyTorch后,可以直接用conda安装PyG,这样cuda和cudnn会自动适配。所以应该建议用户先安装PyTorch,再通过conda安装PyG。 然后,用户可能遇到的问题包括版本不兼容或者依赖项安装失败。例如,有时候直接使用pip安装可能会导致问题,而引用[3]提到不能简单地用pip install安装,需要手动下载wheel文件。这时候可能需要根据PyTorch版本和CUDA版本选择合适的wheel文件。 另外,用户可能需要验证安装是否成功。可以通过导入torch_geometric和运行简单测试代码来检查。如果有错误,可能需要检查PyTorch版本是否正确,或者依赖项是否正确安装。 还要注意,不同的操作系统可能有不同的安装步骤,比如Linux和Windows可能在某些依赖项上有所区别。比如,torch-scatter在Windows上可能需要从特定的渠道下载。 总结下来,安装步骤应该是:先安装PyTorch,然后通过conda或pip安装PyG及其依赖项,注意版本匹配,最后验证安装。需要提醒用户注意版本兼容性,并参考官方文档获取最新信息。</think>### PyTorch Geometric (PyG) 安装步骤 #### 1. **安装 PyTorch** PyG 依赖特定版本的 PyTorch,需先安装匹配的 PyTorch 版本。根据系统环境和 CUDA 版本选择命令: - **通过 Conda 安装(推荐)** ```bash conda create -n pyg_env python=3.9 # 创建虚拟环境 conda activate pyg_env # 激活环境 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch # 安装 PyTorch(CUDA 11.3 示例) ``` 若无需 GPU 支持,使用 CPU 版本: ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` - **验证 PyTorch 安装** ```python import torch print(torch.__version__) # 应输出如 1.12.0 print(torch.cuda.is_available()) # 检查 GPU 是否可用 ``` #### 2. **安装 PyTorch Geometric** 根据 PyTorch 版本选择安装命令: - **Conda 安装(自动处理依赖)** ```bash conda install pyg -c pyg # 自动安装 PyG 及依赖(如 torch-scatter、torch-sparse)[^1] ``` - **Pip 安装(需手动匹配依赖版本)** 访问 [PyG 官方安装指南](https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html),根据 PyTorch 版本和 CUDA 版本下载对应的依赖包。例如: ```bash pip install torch-scatter -f https://data.pyg.org/whl/torch-1.12.0+cu113.html pip install torch-sparse -f https://data.pyg.org/whl/torch-1.12.0+cu113.html pip install torch-geometric # 安装 PyG ``` #### 3. **验证 PyG 安装** ```python import torch_geometric print(torch_geometric.__version__) # 应输出如 2.2.0 # 测试数据加载 from torch_geometric.datasets import TUDataset dataset = TUDataset(root='/tmp/ENZYMES', name='ENZYMES') print(f"数据集大小: {len(dataset)}") ``` #### 常见问题 - **版本冲突**:确保 PyTorch、CUDA 与 PyG 的版本严格匹配。 - **依赖项安装失败**:手动下载预编译的依赖(如 `torch-scatter`),参考官方提供的 wheel 文件链接[^3]。 ---
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

steelDK

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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