MacOS的M系列芯片中配置高版本torch的torch-geometric

在MacOS中，如果我们安装了高版本torch，在配置PyG的依赖包时会发现找不见所匹配的torch版本。但我们有时需要用到高版本torch的工具。

本文用于解决如何在conda虚拟环境上安装高版本torch以及配置对应的PyG包

1.配置虚拟环境

# 创建python3.9的虚拟环境,python版本不用太高，有可能会导致兼容问题
# -y：这个选项是告诉Conda在执行操作时自动确认所有的提示
conda create -n PyG python = 3.10  -y

# 进入虚拟环境
conda activate PyG

# 在当前激活的Conda环境中安装clang、clangxx和gfortran这三个编译器的特定版本，确保软件能够在基于ARM架构的新苹果硬件上正常工作。
conda install -y clang_osx-arm64 clangxx_osx-arm64 gfortran_osx-arm64

2.配置PyG

# 在配置完虚拟环境后就可以进行下载了
# 首先配置torch包，以1.12.1为例，下载对应的torch、torchvision和torchaudio
# --no-cache-dir：这是pip命令的一个选项，告诉pip不要缓存下载的包。
pip --no-cache-dir   install torch==1.12.1 torchvision torchaudio

# 下载torch版本对应的torch-geometric的依赖包torch-scatter、torch-sparse
# 若有需要另外两个也下载torch-cluster、torch-spline-conv
pip --no-cache-dir  install  torch-scatter -f https://data.pyg.org/whl/torch-1.12.1+${cpu}.html
pip --no-cache-dir  install  torch-sparse -f https://data.pyg.org/whl/torch-1.12.1+${cpu}.html
pip --no-cache-dir  install  torch-cluster -f https://data.pyg.org/whl/torch-1.12.1+${cpu}.html
pip --no-cache-dir  install  torch-spline-conv -f https://data.pyg.org/whl/torch-1.12.1+${cpu}.html

# 然后就是下载pyg了，pyg版本兼容，所以不用指定版本，直接最新版
pip --no-cache-dir  install  torch-geometric

恭喜安装成功！接下来就可以开始使用PyG了！

参考博客：MacOS M1 配置torch-geometric