控制台输出pytorch版本和cuda版本
在控制台(命令行)中输出 PyTorch 版本和 CUDA 版本,你可以使用以下命令:
1. **输出 PyTorch 版本**:
```bash
python -c "import torch; print(torch.__version__)"
```
2. **输出 CUDA 版本**:
- 如果你安装了 NVIDIA 的 CUDA Toolkit,你可以通过运行以下命令来查看 CUDA 版本:
```bash
nvcc --version
```
- 如果你使用的是 PyTorch 自带的 CUDA,可以通过以下命令查看 PyTorch 所使用的 CUDA 版本:
```bash
python -c "import torch; print(torch.version.cuda)"
```
安装torch-sparse,torch-scatter
在大多数情况下,上述命令应该能够帮助你在控制台中查看 PyTorch 和 CUDA 的版本信息。如果你没有安装 `nvcc`(NVIDIA CUDA 编译器),那么可能无法使用 `nvcc --version` 命令来查看 CUDA 版本。在这种情况下,你只能依赖 PyTorch 提供的 CUDA 版本信息。
-
接下来,访问 PyTorch Geometric 的官方网站 来找到与您的 PyTorch 和 CUDA 版本相匹配的
torch-sparse
包。网站提供了不同版本的 PyTorch 和 CUDA 组合的预编译二进制文件。 -
使用
pip
命令安装torch-sparse
。例如,如果您的 PyTorch 版本是 1.10.0,CUDA 版本是 11.3,您可以使用以下命令安装: -
bash复制
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.10.0+cu113.htmlpip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.10.0+cu113.html
pip install torch-geometric
安装顺序安装,先安装torch-sparse,torch-scatter,再安装pyg,可以不按照顺序安装
减少错误
通过官网安装torch-sparse,torch-scatter,pyg
选择对应的pytorch版本和torch-sparse,torch-scatter等pyg依赖包
-
检查 PyTorch 版本:首先,需要确保你已经安装了合适版本的 PyTorch,包括正确的 CUDA 版本(如果你打算在 GPU 上运行)。
-
下载依赖库:访问 pytorch-geometric.com 的 WHL 文件页面,根据你的 PyTorch 和 CUDA 版本下载对应的
torch-scatter
、torch-sparse
、torch-cluster
和torch-spline-conv
的 WHL 文件。 -
安装依赖库:使用
pip
命令安装下载的 WHL 文件。例如:pip install torch_scatter-xxxx.whl pip install torch_sparse-xxxx.whl pip install torch_cluster-xxxx.whl pip install torch_spline_conv-xxxx.whl
-
安装 torch-geometric:最后,安装
torch-geometric
本身,可以通过pip
直接安装:复制
pip install torch-geometric
protocol模块报错
TypeError: Descriptors cannot not be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
按照错误提示安装新版本即可