Linux环境下安装DGL及其CUDA_linux服务器下载dgl(1)，2024年最新大厂首发

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Linux运维全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上运维知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注运维）

正文

前段时间看到一篇AAAI2024的论文Patch-wise Graph Contrastive Learning for Image Translation，它采用GNN的思想来进行image-to-image translation的任务，非常的新颖，但我进行复现的时候，发现直接下载它里面需要的DGL库是无法运行的，总是说缺少对应的CUDA。
因此我们需要重新创建一个环境，安装DGL库和其对应的CUDA（Linux版本）

1. 利用conda 创建虚拟环境

conda create -n dgl python=3.7

2. 进入dgl环境，并且查看现有的库

conda activate dgl
conda list

3. 安装torch、cuda、torchvision和torchaudio

pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=11.3 -c pytorch -c conda-forge

4. 查看python、torch版本

python
import torch 
print(torch.__version__) 
import torchvision
print(torchvision.__version__)
print(torch.version.cuda)  #注意是双下划线
print(torch.cuda.is_available())#如果cuda可用，则返回True

5. DGL有CPU版本和CUDA版本
CPU版本

https://pypi.org/simple/dgl/

CUDA版本

https://anaconda.org/dglteam/repo

我们选择是CUDA版本，打开网站后选择自己对应的CUDA版本


我们选择 linux-64/dgl-cuda11.1-0.9.0-py37_0.tar.bz2，进行下载

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注运维）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
5)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！