PyTorch Geometric (PyG) 安装教程

诸神缄默不语-个人CSDN博文目录

PyG官方下载主页：Installation — pytorch_geometric documentation

以下仅考虑Linux系统的情况。（在Windows上跑GNN是不是太身残志坚了）

安装PyG需要先安装PyTorch，安装PyTorch可以参考我之前写的博文：PyTorch安装教程

以下根据PyTorch和对应的cuda版本来写PyG的安装方式。对应可行的安装时间会对应附上。
由于我在遇到对应情况时才能撰写对应博文，更多情况看以后我会不会遇上吧。

注意：这里对应的cuda版本，一般情况下只要跟cudatoolkit对应上就行。
除非遇上这种坑爹情况：Is PyTorch 1.7.1 and cuda 9.2 able to use neighbor_sample? · Issue #179 · rusty1s/pytorch_sparse
一般来说直接更换cudatoolkit版本就能解决，这还解决不了再说。

1. PyTorch 1.11.0

1.1 cudatoolkit 10.2

2022.8.3
我安装PyTorch用的Python3.8，命令是conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=10.2 -c pytorch

这是符合quick start的场景，所以可以直接安装：

conda install pyg -c pyg

1.2 cudatoolkit 11.3

2022.9.1
PyTorch 1.11.0+cu113（命令是：pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113）

pip install torch-scatter -f https://data.pyg.org/whl/torch-1.11.0+cu113.html
pip install torch-sparse -f https://data.pyg.org/whl/torch-1.11.0+cu113.html
pip install torch-geometric

2. main/nightly版本

2022.8.10
我是因为这个：After T.ToUndirected, the data.is_undirected() is still False · Discussion #5174 · pyg-team/pytorch_geometric 所以需要下main/nightly版本的。

官方GitHub README文件中的安装部分：https://github.com/pyg-team/pytorch_geometric#installation

（先把之前下过的PyG给conda uninstall了）

pip install torch-scatter -f https://data.pyg.org/whl/torch-1.11.0+cu102.html
pip install torch-sparse -f https://data.pyg.org/whl/torch-1.11.0+cu102.html
pip install pyg-nightly

（请自行替换torch和cuda的版本）

3. 测试安装效果

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)
print(data)

输出：

my_env/lib/python3.8/site-packages/scipy/__init__.py:146: UserWarning: A NumPy version >=1.16.5 and <1.23.0 is required for this version of SciPy (detected version 1.23.1
  warnings.warn(f"A NumPy version >={np_minversion} and <{np_maxversion}"
Data(x=[3, 1], edge_index=[2, 4])

可以看到这里scipy和numpy的版本不合。但是这样我也没有办法！