python import dgl

已于 2023-03-14 12:21:59 修改
阅读量1.3k 收藏 5
点赞数 1
分类专栏： python 文章标签： python linux 开发语言 1024程序员节
于 2022-10-21 11:04:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_38007523/article/details/127442135
版权

Linux

None

  • conda install -c dglteam dgl
  • pip install dgl dglgo -f
    https://data.dgl.ai/wheels/repo.html
  • pip install --pre dgl dglgo -f https://data.dgl.ai/wheels-test/repo.html

CUDA 10.2

  • conda install -c dglteam dgl-cuda10.2
  • pip install dgl-cu102 dglgo -f https://data.dgl.ai/wheels/repo.html
  • pip install --pre dgl-cu102 dglgo -f https://data.dgl.ai/wheels-test/repo.html

CUDA 11.3

  • conda install -c dglteam dgl-cuda11.3
  • pip install dgl-cu113 dglgo -f https://data.dgl.ai/wheels/repo.html
  • pip install --pre dgl-cu113 dglgo -f https://data.dgl.ai/wheels-test/repo.html

CUDA 11.6

  • conda install -c dglteam dgl-cuda11.6
  • pip install dgl-cu116 dglgo -f https://data.dgl.ai/wheels/repo.html
  • pip install --pre dgl-cu116 dglgo -f https://data.dgl.ai/wheels-test/repo.html

问题：安装的时候直接conda总是会卡住
解决办法：用python -m加pip好用一些
比如安装cuda113对应版本
python -m pip install dgl-cu113 dglgo -f https://data.dgl.ai/wheels/repo.html

问题：安装老半天都安装不好，还特别容易死机
解决办法：先安装其他的，如numpy；然后安装dgl

问题：The conflict is caused by: dglgo 0.0.2 depends on isort>=5.10.1
处理方式：python -m pip install dgl-cu113 -f https://data.dgl.ai/wheels/repo.html

System Requirements

Supported OS:

All Linux distributions no earlier than CentOS 7+ / Ubuntu 18.04.
macOS X 10.9+
Windows 10+ (with VC2015 Redistributable Installed) / Windows server 2016+
Supported Python versions: 3.6, 3.7, 3.8, 3.9, 3.10

Supported deep learning frameworks:

PyTorch 1.9.0+
Apache MXNet 1.6+
TensorFlow 2.3+.
Additional supported CUDA version when using PyTorch:

Linux: CentOS 7+ / Ubuntu 18.04+
在这里插入图片描述
Windows: Windows 10+/Windows server 2016+
在这里插入图片描述

换了台主机，所以又重新搞了一下：

win11

查看电脑driver版本

在cmd中输入nvidia-smi可以看到你当前的显卡安装的CUDA版本与驱动版本（Driver Vision）

本机的是 Driver Version: 531.14
nvidia
在这里插入图片描述

. 上面的版本都可以安装

或者打开NVIDIA控制面板-帮助-系统信息-组件，能够直接看到支持的最高版本
在这里插入图片描述

由于想使用dgl，安装版本116
在这里插入图片描述

cuda

不要直接下载最新版
在这里插入图片描述
注意在历史版本中选取合适的版本

在这里插入图片描述

driver api的版本能向下兼容runtime api的版本，即 nvidia-smi 显示的版本大于nvcc --version 的版本通常不会出现大问题。

cuDNN

pytorch

在这里插入图片描述

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

DGL

在这里插入图片描述

conda install -c dglteam dgl

不太好用，还是用前面写的这个

python -m pip install --pre dgl-cu116 dglgo -f https://data.dgl.ai/wheels-test/repo.html
sinat_38007523
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
如何在Python中使用PyTorch或DGL构建和训练GNN模型？
njhhuuuby的博客
06-26 1020
你可以定义自己的GNN模型，也可以使用现有的GNN模型架构，如GCN（Graph Convolutional Network）、GAT（Graph Attention Network）等。定义损失函数：为GNN模型定义适当的损失函数，根据具体的任务选择合适的损失函数。你可以定义自己的GNN模型，也可以使用现有的GNN模型架构，如GCN、GAT等。训练模型：通过循环训练模型，迭代更新GNN模型的参数。定义损失函数：为GNN模型定义适当的损失函数，根据具体的任务选择合适的损失函数。
DGL:用于简化图形深度学习的 Python 包-开源
08-07
使用 PyTorch、TensorFlow 或 Apache MXNet 构建模型。 用于训练图神经网络的快速且内存高效的消息传递原语。 通过多 GPU 加速和分布式训练基础设施扩展到巨型图。 DGL 支持各种特定领域的项目，包括用于学习大规模知识图嵌入的 DGL-KE、用于生物信息学和化学信息学的 DGL-LifeSci 等等。 我们热衷于让图形更接近深度学习研究人员。 我们想让图神经网络模型系列的实现变得容易。 我们还希望使基于图的模块和基于张量的模块（PyTorch 或 MXNet）的组合尽可能平滑。 DGL 提供了一个强大的图形对象，可以驻留在 CPU 或 GPU 上。 它捆绑了结构数据和功能，以便更好地控制。 我们提供了各种用于计算图形对象的函数，包括用于图形神经网络的高效且可定制的消息传递原语。
DGL安装： import dgl 报错
u011332879的博客
09-30 679
这是自己出现的错误，然后在网上查找了好久才修改成功，希望对大家有帮助。
DGL图神经网络库使用大全
sinat_38007523的博客
10-30 2619
图表示实体(节点)和它们的关系(边)，其中节点和边可以是有类型的 (例如，“用户” 和 “物品” 是两种不同类型的节点)。 DGL通过其核心数据结构 DGLGraph 提供了一个以图为中心的编程抽象。 DGLGraph 提供了接口以处理图的结构、节点/边 的特征，以及使用这些组件可以执行的计算。本章首先简要介绍了图的定义（见1.1节），然后介绍了一些 DGLGraph 相关的核心概念：1.1 关于图的基本概念1.2 图、节点和边1.3 节点和边的特征1.4 从外部源创建图1.5 异构图1.6 在GPU上使用
DGL教程
Everyday try to become better -Kobe Bryant
09-26 1911
注意：往图中添加的特征必须都是tensor格式。dgl图构造器来构造图，需要知道。此时图中没有节点和边的特征。
Python库 | dgl-0.4.2-cp37-cp37m-manylinux1_x86_64.whl
03-18
import dgl # 创建图实例 g = dgl.DGLGraph() # 添加节点和边 g.add_nodes(10) g.add_edge(0, 1) # 训练GNN模型 # ... ``` **总结** DGL库是Python中一个强大且功能丰富的图神经网络库，适合进行图数据的深度...
Python库 | dgl_cu101-0.6.1-cp36-cp36m-win_amd64.whl
03-18
import dgl # 创建一个图 g = dgl.DGLGraph() # 添加节点和边 g.add_nodes(5) g.add_edge(0, 1) g.add_edge(1, 2) g.add_edge(2, 3) g.add_edge(3, 4) # 进行图上的操作，例如计算度分布 degrees = g.in_degrees...
Python库 | dgl_cu90-0.6a201130-cp36-cp36m-manylinux1_x86_64.whl
03-18
标题中的“Python库 | dgl_cu90-0.6a...import dgl ``` 然后，你可以创建图实例，加载数据，定义GNN模型，进行训练和预测。由于DGL库的强大功能，它可以应用于社交网络分析、化学分子结构建模、推荐系统等多种领域。
Python库 | dgl-0.6a200919-cp38-cp38-manylinux1_x86_64.whl
02-15
import dgl ``` **DGL的主要功能** 1. **图数据结构**：DGL提供了一种高效的图数据结构，支持动态图操作，能够处理静态图和动态图任务。 2. **图运算**：库内包含了一系列的图运算函数，如消息传递、节点/边聚合...
Python库 | dgl_cu100-0.5.0-cp37-cp37m-win_amd64.whl
02-15
安装完成后，开发者就可以在Python环境中导入并使用DGL库，如`import dgl`，然后利用其提供的API来实现图神经网络模型的构建和训练。 总之，DGL库是一个强大的工具，对于需要处理图数据的Python开发者，特别是涉及...
import dgl 图神经网络库的导入报错问题
weixin_45695606的博客
07-21 1587
dgl库的导入
DGL官方教程--API--dgl.function
Minions的博客
03-30 6753
参考：https://docs.dgl.ai/en/latest/api/python/function.html dgl.function 在DGL中，消息传递由两个API表示： send(edges,message_func)用于计算沿给定边缘的消息。 recv(nodes,reduce_func)用于收集传入消息，执行聚合等。 尽管两阶段抽象可以覆盖消息传递范式中定义的所有模型，...
（初学必看）deep graph library(dgl)库的入门引导
qq_43391414的博客
12-09 7427
文章目录前言简单？内置数据集定义模型定义dgl中的一个图 前言 下载这个库要去官方网站：https://www.dgl.ai/，网站上会给你下载命令，这有点像下载pytorch的时候。 然后，官方网站提供了一些入门的例子。如果自己有能力，可以自行学习，就不用跟着我们这篇文章学习啦，网址见：https://docs.dgl.ai/tutorials/blitz/index.html。 这个库基本是由中国人开发和维护的，我用了之后的感觉就是：还行。API定义得很人性，所以很容易学习。跟一个普通的库没有什么差别。
解决import dgl报错torch版本不匹配的问题
qq_41915671的博客
11-20 1198
跑一个gpu版本的代码需要用到dgl库，运行后报错RuntimeError: DGL requires PyTorch >= 1.9.0 ，是版本不匹配的问题，需要安装对应版本的dgl。哎 记录就花了几分钟 解决这个问题搞了我一个多小时 又是fw的一天。首先查看torch版本。
图神经网络（1）：DGL基础
liangbilin的博客
05-29 1014
笔记是直接从Jupyter 保持下来的，格式会比较乱，主要是给自己看的。 1. 构建图 导入依赖库 import dgl import torch import numpy as np 1.1 构建图 src_idx = np.random.randint(0,3,5) # sorce nodes id dst_idx = np.random.randint(0,3,5) # destination nodes id G = dgl.graph((src_idx, dst_idx)) # con
import dgl Permission denied: ‘/home/.dgl‘
最新发布
weixin_46028840的博客
11-21 111
jupyterhub以容器的方式运行，jupyterhub支持2个内核，python3和pyspark。修改源码时，不同的提交用户，设置不同的路径，如 /tmp/04885/、/tmp/xiaoming/、/tmp/xiaogang/等等，分开打python包。创建了/tmp/.dgl,不同的提交用户使用的都是/tmp/.dgl,所以会有权限问题。后续遇到的问题，不同的用户使用dgl，又出现了权限问题。修改源码，设置为临时目录，有权限的路径 /tmp。改成自己有权限的路径。改成自己有权限的路径。
DGL GPU版本安装后无法import dgl 解决方案
鹏昱的博客
01-05 1689
dgl安装，import dgl 报红问题
dgl教程
qq_45812502的博客
10-30 200
dgl
chatgpt赋能Python-python_dgl
shengcaiy123的博客
05-23 134
DGL是深度学习的第一个图形库，以使得深度学习更容易应用于图结构嵌入任务。它允许用户利用Python中的PyTorch和MXNet框架，支持端到端的开发和训练大规模图神经网络。DGL可以实现常见的图神经网络结构（如GCN，GAT，SAGE），同时还提供了大量的数据加载和处理功能，以满足大规模图像任务的需求。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT。
python dgl 构建数据集
05-31
构建DGL数据集的步骤大致如下： 1. 定义图结构：使用DGL中的Graph对象定义图结构，包括节点数、边数、节点和边的特征等。 2. 添加节点和边特征：使用DGL中的NodeDataLoader和EdgeDataLoader等数据加载器为节点和边添加特征信息。 3. 划分数据集：使用DGL中的train_test_split_edges函数将图划分为训练集、验证集和测试集。 4. 批量化数据：使用DGL中的GraphDataLoader函数将处理好的数据批量化，以便于输入模型进行训练和推理。 以下是一个简单的Python代码示例，用于构建一个包含两个节点和一条边的图，并为节点添加了特征信息： ``` import dgl import torch # 定义图结构 g = dgl.graph(([0, 1], [1, 0])) # 两个节点和一条边 # 添加节点特征 g.ndata['x'] = torch.tensor([[1.], [2.]]) # 添加边特征 g.edata['w'] = torch.tensor([3.]) # 划分数据集 train_g, valid_g, test_g = dgl.random.split_dataset(g, [0.6, 0.2, 0.2]) # 批量化数据 train_loader = dgl.dataloading.GraphDataLoader(train_g, batch_size=1, shuffle=True) valid_loader = dgl.dataloading.GraphDataLoader(valid_g, batch_size=1, shuffle=False) test_loader = dgl.dataloading.GraphDataLoader(test_g, batch_size=1, shuffle=False) ``` 注意：以上代码示例仅用于说明构建DGL数据集的基本步骤，实际应用中需要根据具体任务进行相应的修改。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值