关于pytorch:安装PyTorch-Geometric

4次阅读

共计 2151 个字符，预计需要花费 6 分钟才能阅读完成。

因为上篇文章中装置的 PyTorch 版本是 1.13，再装置 PyTorchGeometric 的时候发现最高反对的是 1.12，所有只能在创立一个虚拟环境，再装置 1.12 的 pytorch，再装置 Geometric。
查看官网装置文档：
https://pytorch-geometric.rea…

conda create -n PyG python=3.9
如遇到问题，见上一篇。

因为 Pytorch1.12 不是最新版，所以须要找到以前的版本进行装置，关上官网：

抉择 1.12 版本，再看 conda 上面的内容，我笔记本没有独立显卡，就抉择最上面的 cpu 版本：

拷贝装置命令：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cpuonly -c pytorch

关上页面 https://pytorch-geometric.rea…
外面有一种疾速安装法，就是像之前装置 pytorch 一样，抉择相干配置后，网页会主动生成一个命令，间接复制这个命令去装置，如下图所示。但网上有人说容易出问题，为了保险起见，咱们抉择官网下面的另外一种办法去一步步装置。

首先查看本人之前装置的 pytorch 版本，以及 CUDA 版本，我这里用的 cpu，所以 CUDA 版本会提醒 None。

(PyG) C:\Users\Administrator\anaconda3\envs\PyG>python -c "import torch; print(torch.__version__)"
>>>1.12.1

(PyG) C:\Users\Administrator\anaconda3\envs\PyG>python -c "import torch; print(torch.version.cuda)"
>>>None

第二步：依照官网的例子进行装置

须要三个 pip 命令：

pip install torch-scatter -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html
pip install torch-sparse -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html
pip install torch-geometric

我以后的 PyTorch 版本是 1.12.1，所以对应的 ${TORCH}值是 1.12.0；我的 CUDA 版本是没有的，用 cpu，所以 ${CUDA}的值对应是 cpu，所以我以后环境装置的命令应该是：

pip install torch-scatter -f https://data.pyg.org/whl/torch-1.12.0+cpu.html
pip install torch-sparse -f https://data.pyg.org/whl/torch-1.12.0+cpu.html
pip install torch-geometric

第三步，运行命令
第一个命令运行完之后，胜利。

第二个命令运行完之后，在装置过程中报错了，谬误提醒如下：

raise ReadTimeoutError(self._pool, None, "Read timed out.")
pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host='files.pythonhosted.org', port=443): Read timed out.

在 pip 装置过程中超时了，因为下载的文件 40M，从国外下载过去速度比较慢，只有 20k/ s 左右的速度，这时候须要设置 pip 的超时工夫，把工夫设置更长一些：

pip --default-timeout=10000 install torch-sparse -f https://data.pyg.org/whl/torch-1.12.0+cpu.html

装置胜利，下载 40M（scipy-1.9.3-cp39-cp39-win_amd64.whl (40.2 MB)）的货色花了半个多小时，这速度的确耗不起啊

第三个命令，装置 torch-geometric，汲取后面教训，缩短 pip 的期待时长：
pip --default-timeout=10000 install torch-geometric
装置胜利

去官网找一个例子，看看能不能运行。

找到这段代码试一下：import torch
from torch_geometric.data import Data

edge_index = torch.tensor([[0, 1, 1, 2],
                           [1, 0, 2, 1]], dtype=torch.long)
x = torch.tensor([[-1], [0], [1]], dtype=torch.float)
data = Data(x=x, edge_index=edge_index)

看到后果胜利输入，没有问题。
至此，PyTorch 的用作图神经网络相干计算的 torch-geometric 包就装置胜利了。

正文完