Python3.8+Pytorch1.0+CUDA11.1环境配置+安装pytorch-geometric

1. conda创建环境

conda create -n gnn python==3.8

2. 安装pytorch

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

3. 验证cuda是否安装成功

torch.cuda.is_available()

4. 安装pytorch-geometric

#安装scatter包
pip install torch-scatter -f https://data.pyg.org/whl/torch-1.9.0%2Bcu111.html
#安装sparse包
pip install torch-sparse -f https://data.pyg.org/whl/torch-1.9.0%2Bcu111.html
#安装pytoch_geometric
pip install torch-geometric

如果fail的话可以在https://data.pyg.org/whl/torch-1.9.0%2Bcu111.html里离线下载这两个包,然后本地安装,这里示例是我的D盘

pip install D:\Users\aj\torch_sparse-0.6.10-cp38-cp38-win_amd64.whl

5. 最后验证安装成功

import torch_geometric

ps.几个前提命令

#查看cuda版本
nvidia-smi
#pytorch版本选择
https://pytorch.org/get-started/previous-versions/

Python3.8是Python编程语言的一种版本,它于2019年10月发布。这个版本主要引入了许多新特性和改进,使得Python更加强大和易用。Python3.8带来了许多语法和语义的更改,并集成了新的库和模块。 PyTorch是一个深度学习框架,它提供了丰富的工具和库来进行机器学习和人工智能相关的任务。它是由Facebook开发并于2017年开源发布。PyTorch提供了简单而灵活的API,使得构建和训练神经网络变得更加容易。 Python3.8和PyTorch可以很好地结合使用。Python作为PyTorch的支持语言,Python3.8版本的新特性可以使得使用PyTorch进行深度学习任务更加高效和便捷。例如,Python3.8引入的Walrus操作符(:=)可以简化代码的编写和读取,在处理数据时能够更加灵活地操作和处理。 另外,Python3.8对于并行处理和多线程编程提供了更好的支持,这对于在PyTorch中处理大规模的数据集和训练复杂模型非常重要。Python3.8的新特性使得开发者可以更好地利用并行计算的能力,提高运行效率和性能。 此外,Python3.8还为类型注释和类型检查提供了更强的支持,这对于构建可维护和可扩展的PyTorch代码非常重要。通过类型注释,开发者能够更好地理解代码的意图,并减少潜在的错误,提高代码的可读性和可维护性。 综上所述,Python3.8和PyTorch是一对很好的组合,Python3.8的新特性和改进使得使用PyTorch进行深度学习任务更加高效、便捷和可维护。它们的结合为开发者提供了更强大的工具和库,可以更好地构建和训练神经网络模型。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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