机器学习编写代码离不开环境配置,接下来介绍如何在Linux虚拟机上搭载配置环境
1. 安装Anaconda/Miniconda
1.1 下载Miniconda
·各大操作系统最新版本的Miniconda都可以在官网找到并下载
1.2安装Miniconda(Linux系统下)
在下载好的安装文件目录下打开终端
1. 为文件添加执行权限(注意文件名称一致)
chmod a+x ./Miniconda3-latest-Linux-aarch64.sh
2. 运行安装程序命令
sh ./Miniconda3-latest-Linux-aarch64.sh
3. 阅读协议,按q结束阅读,输入yes然后回车
4.在这里程序提示以下信息,这里有三种选择
- Press ENTER to confirm the location # 回车使用默认路径
- Press CTRL-C to abort the installation # 按ctrl+c终止程序
- Or specify a different location below # 自定义安装目录
5. 安装后询问每次启动终端是否自动启动conda,输入yes回车
6. 根据提示重启终端,再次打开就会出现(base),以后可以直接在终端操作conda
2. 换下载源
在安装package时,我们经常会使用
pip install package_name conda install package_name
的命令,但是一些 package下载速度会很慢,因此我们需要进行换源,换成国内源,加快我们的下载速度。以下便是两种对应方 式的永久换源。如果我们仅仅想为单次下载换源可以使用
pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple
进行下载。
接下来介绍Linux系统下换源
2.1 pip换源
在终端执行以下命令
cd ~
mkdir .pip/
cd .pip
vim pip.config
在这个`pip.config`文件下应该粘贴以下内容,直接复制粘贴到文件内即可,然后结束编辑(ps: 在`vim`下,我们需要输入`i`进入编辑模式,将内容粘贴进去,按`ESC`退出编辑模式,输入 `:wq` 保存并退出)
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors =true
mirrors = https://pypi.tuna.tsinghua.edu.cn/simple/
trusted-host = pypi.tuna.tsinghua.edu.cn
2.2 conda换源
在终端执行以下命令
cd ~
vim .condarc
在`.condarc` 文件内应该粘贴以下内容,直接复制粘贴到文件内即可,然后结束编辑(同样注意vim操作)
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
最后使用`conda clean -i` 清除索引缓存。
3. 使用conda/pip
查看现有虚拟环境:
conda env list
创建虚拟环境:
conda create -n env_name python**=**version
create: 创建环境命令
-n: --name 缩写,后面紧接着是虚拟环境名称env_name: 虚拟环境名称:⻅名知意,可以根据实际需求更改
version: Python版本,例如3.8
创建好虚拟环境后需要激活:
(base)$ conda activate env_name
(env_name)$
激活虚拟环境后,终端将会在括号内显示当前环境名称
安装包(conda/pip安装):
conda install package_name pip install package_name
卸载包:
conda remove. package_name pip uninstall package_name
显示所有已安装包:
conda list pip list
删除指定虚拟环境:
conda remove -n env_name --all
退出当前虚拟环境:
conda deactivate
更多conda命令参考官网。
4. 安装Pytorch、DGL和PyG
·当你想在虚拟环境安装包的时候,确认你正处在正确的虚拟环境中!!
·以下的函数库大部分需要结合你的设备硬件及其驱动选择正确的版本,比如你可能需要的是适配特定版本的cuda的torch。
环境配置
创建环境
conda create -n Graph python=3.9
进入(激活)环境
conda activate Graph
1. 在虚拟环境中安装Pytorch
选择所需的版本(cpu版本演示)
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
2. 安装networkx
pip install networkx[default]
3. 安装DGL
同样选择对应版本所需版本的DGL。
不建议使用conda安装DGL
# If you have installed dgl-cuXX package, please uninstall it first. pip install dgl -f https://data.dgl.ai/wheels/repo.html pip install dglgo -f https://data.dgl.ai/wheels-test/repo.html
Deep Graph Library (DGL) 的安装会依赖于 PyTorch 和 cuda 的版本。如果大家在这一步不成功,可以查看 DGL 官网Deep Graph Library,选择适合自己设备的组合。
4. 安装PyG
同样,PyG的安装也会依赖于Pytorch和cuda的版本。如果大家在这一步不成功,请查看PyG官网,选择适合自己设备的组合。
不建议使用conda安装PyG
pip install torch_geometric
至此所需环境配置完成
5. 检查python能否在虚拟环境中导入torch
这里说明一点,dgl不能适配最新版本(2.2.2)的torch,所以大家可以将torch降级到2.1.0
pip install torch==2.1.0
之后就可以在程序中使用了