Linux环境下安装DGL及其CUDA

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

打开终端，输入

conda install xxx(路径)/linux-64/dgl-cuda11.1-0.9.0-py37_0.tar.bz2

运行程序出现错误

OSError: libcublas.so.11: cannot open shared object file: No such file or directory

原因1：缺少文件

解决：先 locate libcublas.so.11，然后会显式这个文件所在的位置，接着copy到/home/user/anaconda3/lib/下，再重新安装dgl：pip install dgl-cu110。

locate libcublas.so.11
# 会显示此文件所在路径，如 /home/sys120/minianaconda3/envs/pyt/lib/libcublas.so.11
cp /home/sys120/minianaconda3/envs/pyt/lib/libcublas.so.11 /home/sys120/minianaconda3/envs/dgl/lib/
conda install xxx(路径)/linux-64/dgl-cuda11.1-0.9.0-py37_0.tar.bz2

原因2： 未安装 cudatoolkit

conda install cudatoolkit