【无标题】Torch_geometric安装教程， 问题汇总详解。
前情提要：本文只谈通过pip方式安装，conda安装的方式博主没有试过，感兴趣的小伙伴可以参考本文自己尝试一下。
首先，在核心上，Torch_geometric的安装方法几乎和pytorch一样，甚至他们的官网界面都很像。
安装过pytorch的朋友应该知道， 直接 pip install pytorch 肯定是行不通的，因为pytorch还有一些其他的依赖库比如 torchvision、torchaudio 等需要同时安装。
同样的道理，torch_geometric也有四个依赖库，torch-scatter、torch-sparse、torch-cluster、torch-spline-conv，虽然有的代码可能并不是所有的都用到，但是建议全部安装。
1.CPU 一条指令安装
首先查看自己的pytorch版本，命令如下：
import torch
print(torch.__version__)点击这里官网地址，找到如下图所示的位置，选择自己的pytorch版本、系统等，然后复制红框内的代码，直接安装即可。
cpu版本的安装非常简单，只要不弄错pytorch版本基本就不会出现问题。
2. GPU 安装
2.1 最好情况
首先同样查看Pytorch版本，注意输出的内容：
import torch
print(torch.__version__)- 情况1，输出pytorch版本加cuda版本，如下图
那么恭喜你，也可以像CPU版本一样一条指令快捷安装。(如果不一样，请看2.2节)
同样打开官网地址，选择上方输出的pytorch版本号和cuda版本号（比如上图我的pytorch就是1.11.0，cuda版本就是11.3），然后复制下方的命令直接粘贴就可以下载安装。
如果你的版本号在这个上图中没有，不用着急，直接替换一些数字就可以了。
比如你输出的是1.11.0+cu112，可以看到上图中是没有选项的，但是我们可以随便选择一个pytorch和cuda版本，先生成一条命令，比如：
pip install torch-scatter torch-sparse torch-cluster torch-spline-conv torch-geometric -f https://data.pyg.org/whl/torch-1.11.0+cu113.html
这时候我们直接替换后面对应的自己的数字，比如我输出1.11.0+cu112，就替换成
pip install torch-scatter torch-sparse torch-cluster torch-spline-conv torch-geometric -f https://data.pyg.org/whl/torch-1.11.0+cu112.html
其他版本同理，这样应该就可以直接安装了。
2.2 有些郁闷
当你使用下面的命令，只输出了pytorch版本没有后面的cuda版本，比如只输出了1.11.0
import torch
print(torch.__version__)这时候，情况就比较麻烦了，我直接来讲解决办法，重装pytorch。
pip3 install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio===0.11.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html我这里使用的是上方的这行代码直接安装，当然对应的版本号可能要根据自己的情况来更改一下。
（注：上方命令在本地以及多台服务器上尝试成功，如果不适合你的环境，可能需要自己再找一下，核心就是让安装的版本输出 torch.__version__ 时带有cuda）
安装之后，再次输出 print(torch.__version__) ，返回的就应该是带cuda的pytorch版本号，此时再根据2.1节的方法安装即可。
2.3 个人分析
安装torch-geometric，最重要的就是版本问题，最主要的就是cuda版本。
当遇到了2.2节问题的时候，我首先想到的是参考2.1节修改命令中版本的方法来安装，于是我先来查看cuda版本。
查看cuda版本的命令我知道的有两个
- nvcc -V ，直接返回cuda版本。
- nvidia-smi，这个是查看GPU信息的命令，返回信息中包含cuda版本，如下图右上角。（注意：图片中命令在notebook中运行，所以加了叹号，正常不需要。）
但是很奇怪我两条命令返回的cuda版本却不一样，（求大神解答）。
我尝试将查到的cuda版本都替换，发现可以安装，但是安装过程却极其缓慢，极其缓慢，极其缓慢，最终安装完成，但是在运行时依旧报错。
问题还是出在了版本不匹配上。
我认为安装时候需要的cuda版本，一定就是pytorch本身带的cuda版本，跟我们本地的没有关系，比如输出1.11.0+cu113，这个cu113代表我们安装的pytorch就是带有cuda的。
所以我尝试了2.2节中的方法最终成功。