新手上路：Anaconda虚拟环境创建和配置以使用PyTorch和DGL

---

前言

在数据科学和机器学习领域，Anaconda 是一个非常流行的平台，它提供了一个管理包和环境的强大工具。

在本文中，我们将逐步创建一个新的 Anaconda 环境，并在其中安装最新版本的 PyTorch 和 DGL，以及如何安装特定版本的这些库。

步骤 1: 安装 Anaconda

首先，确保你的系统上安装了 Anaconda。你可以看一下之前发布的文章（windows CPU）安装

步骤 2: 创建新的 Anaconda 环境

创建一个新的环境可以帮助你为不同的项目隔离依赖，避免版本冲突。我们将创建一个名为 newdglgcn 的环境，并指定 Python 版本为 3.8。

1. 打开 Anaconda Prompt。 开始->所有应用->Anaconda3(64-bit)
   

2. 输入以下命令创建新环境：

   conda create -n newdglgcn python=3.8  
   

注意：一方面，安装版本尽量不要太新，安装现在稳定的版本即可。
感兴趣可以看这里

下图中红框表示，现在比较稳定的版本

另一方面，许多需要复现的论文可能版本在3.8或3.9。所以我选择安装3.8版本的python。

4. 激活新环境：

   conda activate newdglgcn
   

步骤 3: 安装最新版本的 PyTorch

在新环境中，我们将安装最新版本的 PyTorch。

注意下面安装包，都必须先激活环境后，在环境中使用命令。
最明显的标志是，左端出现 （你的环境名） 标志。

1. 使用 conda 安装最新版本的 PyTorch：

这个命令可以在 pytorch 官网找到

选择你需要的配置，然后生成安装命令。粘贴到 Prompt 中。

conda install pytorch torchvision torchaudio cpuonly -c pytorch

3. 验证 PyTorch 是否正确安装：

   import torch 
   print(torch.__version__) 
   

步骤 4: 安装特定版本的 PyTorch

如果你需要安装特定版本的 PyTorch，可以使用 PyTorch 的官方安装命令生成器。访问 PyTorch 官方网站。找到对应的命令

例如，如果你想安装 PyTorch 2.2.2 版本（Windows CPU）

你可以使用以下命令：

conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 cpuonly -c pytorch

······

或者使用 pip：

pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cpu

步骤 5: 安装最新版本的 DGL

接下来，我们将安装最新版本的 DGL。

这个命令在DGL官网可以找到

1. 使用 pip 安装最新版本的 DGL：
   

选择你需要的配置，然后生成安装命令。粘贴到 Prompt 中。

conda install -c dglteam dgl        
#pip install dgl   #或者直接这个应该也可以     

步骤 6: 安装特定版本的 DGL

如果你需要安装特定版本的 DGL，
第一步，查看你可以安装的dgl版本

# 查看可以使用的dgl版本
conda search dgl -c dglteam

选择想安装的版本。例如，如果你想安装 DGL 0.4.3 版本，你可以使用以下命令：

# 例如安装1.1.2版本的
conda install -c dglteam dgl=1.1.2

在这里，如果你安装后运行步骤七报错，可能是版本不兼容。 推荐 这篇博客 ，可照此法，反复试探。

经试探，python3.8 可以安装的最高版本分别为 pytorch2.2.2 和dgl1.1.2 ( 对应步骤四和六 )

步骤 7: Pycharm中使用虚拟环境解释器

第一种情况：创建新项目

注意：Conda 可执行文件 安装路径\anaconda3\Scripts\conda.exe

第二种情况：已有项目或文件

1. 打开刚才写好的文件或者任意一个文件
   点击 文件->设置
   
2. 项目：项目名:项目名称->Python解释器
   添加解释器->本地解释器
   
   

注意：Conda 可执行文件 安装路径\anaconda3\Scripts\conda.exe

步骤 8: 验证安装

现在，我们可以验证 PyTorch 和 DGL 是否正确安装并运行一个简单的测试。

1. 运行以下 Python 代码：

   import torch
   torch.cuda.is_available()
   print(torch.__version__)
   
   import dgl
   print('DGL version:', dgl.__version__)
   
   # 创建一个简单的图
   def simple_graph():
       import dgl
       import torch
   
       # 定义节点和边
       nodes = torch.tensor([0, 1, 2, 3])
       edges_src = torch.tensor([0, 1, 2])
       edges_dst = torch.tensor([1, 2, 3])
   
       # 创建图  
       g = dgl.graph((edges_src, edges_dst))  
       g.ndata['h'] = torch.randn((g.num_nodes(), 10))  
       return g  
   
   g = simple_graph()  
   print(g)  
   

2. 运行结果如图：

结论

博主现在使用的是 python3.8 ， pytorch2.2.2 和dgl1.1.2 ( 对应步骤四和六）

最高版本的pytorch2.4.1和最高版本的dgl 2.2.x不兼容，会报错哦~

通过以上步骤，你可以在新的 Anaconda 环境中成功安装并配置 PyTorch 和 DGL。这些工具将为你在图神经网络领域的研究和开发提供强大的支持。