清华开源自动图机器学习AutoGL安装

1、AutoGL介绍

AutoGL是一个面向图机器学习的AutoML工具，由清华大学开源。其目前已直接支持在图上的多项任务，包括结点分类、链接预测、图分类、异构图结点分类等。感兴趣的小伙伴可以试一试
github链接：https://github.com/THUMNLab/AutoGL
文档链接：http://mn.cs.tsinghua.edu.cn/autogl/documentation/

2、AutoGL安装

由于AutoGL目前还在开发中，安装及初步使用（按照文档跑最简单的图结点分类问题）过程中遇到一些问题，在此记录，希望能对遇到类似问题的小伙伴有帮助。（本文操作均是在win10环境下进行的）

2.1 AutoGL安装前置准备

按照AutoGL的github链接中的说明，安装AutoGL前需要的前置条件如下：

• Python>=3.6.0
• PyTorch (>=1.6.0)
• 图形库后端：PyG或者DGL（这里我们选择的是DGL库）

首先，安装Python3.8，由于我使用的conda来管理python环境，因此直接使用conda来安装的

conda create -n AutoGLTest python=3.8

接下来安装Pytroch，由于我本机电脑上cuda为11版本，因此我安装的Pytorch版本为1.8，各种安装语句直接去Pytroch官网复制即可，链接：https://pytorch.org/get-started/previous-versions/#wheel-4
我使用的命令如下：

pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

下面安装DGL库，去DGL官网找pip命令即可，链接：https://www.dgl.ai/pages/start.html
点击你需要的版本即可

pip install dgl-cu113 dglgo -f https://data.dgl.ai/wheels/repo.html

2.2 AutoGL安装

前置环境准备好后，终于到了安装AutoGL的时候了。
这里会出现第一个问题。AutoGL的github上给了大家三种安装方式，建议大家选择第二种Install from source的方式，因为pip的版本相对落后，利用pip安装会安装AutoGL的2.0版本，而目前AutoGL最新版本已经是3.0了，同时文档也是3.0。如果你选择pip安装，导致按照文档无法正确的跑通教程。所以建议大家用第二种方式，第三种方式应该也可以。
注意：我安装的时间是2022年3月9日，之后相信pip方式默认会更新到3.0版本的。第二种方式明略如下：

git clone https://github.com/THUMNLab/AutoGL.git
cd AutoGL
python setup.py install

AutoGL安装后，去跑示例代码，这个时候会出现第二个问题。
报错No module named ‘dateutil’，此时去命令行安装即可，安装命令如下：

pip install python-dateutil

此时命令行处会提醒你还有一些依赖包需要安装，按照要求依次安装即可



上述报错提醒安装的包均安装好后，再去运行示例代码，此时会出现第三个问题：
即报错ModuleNotFoundError: No module named ‘autogl.module.model.dgl.hetero’，此问题原因在于，git下载后安装后，在此AutoGLTest\Lib\site-packages\autogl-0.3.0rc0-py3.8.egg\autogl\module\model\dgl路径下无hetero文件夹，而AutoGL包是有hetero文件夹的，如下图所示。

所以下载一下这个hetero文件夹，并拷贝到你的python虚拟环境下的AutoGLTest\Lib\site-packages\autogl-0.3.0rc0-py3.8.egg\autogl\module\model\dgl中即可。包中的文件应该如下图所示：

至此，终于可以运行AutoGL文档中的示例部分了。

我运行的示例代码如下：

import os
os.environ["AUTOGL_BACKEND"] = 'dgl'
from autogl.datasets import build_dataset_from_name
cora_dataset = build_dataset_from_name('cora')
print(type(cora_dataset))
print(list(cora_dataset))
# print(cora_dataset.slices)
import torch
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# device = "cpu"
from autogl.solver import AutoNodeClassifier
solver = AutoNodeClassifier(
    # feature_module='dgl',
    graph_models=['gcn', 'gat'],
    hpo_module='anneal',
    ensemble_module='voting',
    device=device
)

solver.fit(cora_dataset, time_limit=3600)
solver.get_leaderboard().show()

总结

本文记录了一下安装AutoGL包时遇到的一些问题，希望能对新安装AutoGL的小伙伴有一些帮助。
之后我也会把我安装的虚拟环境上传至百度云，懒得动手安小伙伴也可以直接下载，放到conda的envs文件夹下面就可以使用了。

链接:https://pan.baidu.com/s/1mhnWaKTvDzv-3iSiX-pv7g
提取码:2tm1