python 配置环境

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。
 

1. 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。

2. 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：

3. bash复制

   pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.10.0+cu113.html

   pip 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

 

GitHub - rusty1s/pytorch_sparse: PyTorch Extension Library of Optimized Autograd Sparse Matrix Operations

选择对应的pytorch版本和torch-sparse，torch-scatter等pyg依赖包

1. 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）。

2. 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。

3. 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

4. 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If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc 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