新建PyG，torch_geometric环境

新停祥利

已于 2024-08-24 17:29:07 修改

阅读量213

点赞数 1

文章标签：人工智能深度学习

于 2024-08-24 15:03:43 首次发布

本文链接：https://blog.csdn.net/weixin_62037267/article/details/141499767

版权

1.新建conda环境

conda create -n PyG python=3.8

2.安装pytorch环境

官网：PyTorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

3.安装PyG，torch_geometric

官网：安装 — pytorch_geometric 文档 (pytorch-geometric.readthedocs.io)

pip install torch_geometric
或
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.4.0+cu121.html

4.安装xarray环境

官网：Installation (xarray.dev)

conda install -c conda-forge xarray dask netCDF4 bottleneck

5.安装Cartopy

详见：Installing Cartopy — cartopy 0.19.0rc2.dev8+gd251b2f documentation (scitools.org.uk)

conda install -c conda-forge cartopy

6.安装jupyter

官网：Project Jupyter | Installing Jupyter

pip install jupyter

7.tensorboard

pip install tensorboard

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

新停祥利

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

GNN PyG~torch_geometric 学习理解

天狼啸月1990的博客

10-01

1034

其中EdgeIndex(edge_index=tensor([[1, 2], [0, 0]]), e_id=tensor([10, 2]), size=(3, 1))是第一层采样得到的bipartite图， EdgeIndex(edge_index=tensor([[2, 3, 0, 3, 0, 4], [0, 0, 1, 1, 2, 2]]), e_id=tensor([2, 8, 6, 9, 4, 0]), size=(5, 3))是第二层采样得到的bipartite图。

PyG - torch_geometric官方文档

Garson的博客

01-23

963

PyG Documentation — pytorch_geometric documentation (pytorch-geometric.readthedocs.io)

参与评论您还未登录，请先登录后发表或查看评论

PyG/torch_geometric的一些坑

FantasyJXF的博客

03-27

1476

记录在安装、使用PyG/torch_geometric过程中的一些问题

PyG(torch_geometric)的MessagePassing详解

Enjoy Coding

11-15

1169

MessagePassing是图神经网络（Graph Neural Networks，GNNs）的一个基础组件，它被设计用来处理图形数据的问题。在图形数据中，数据点（节点）之间的关系（边）是非常重要的信息。MessagePassing通过在节点之间传递和聚合信息，使得每个节点都能获取其邻居节点的信息，从而更好地理解图形的结构和特性。具体来说，MessagePassing的工作方式是这样的：对于每个节点，它会收集其所有邻居节点的信息（这个过程称为消息传递），然后将这些信息聚合起来（这个过程称为消息聚合）。

torch_geometric详细安装教程

m0_55684014的博客

12-07

8845

torch_geometric安装

PyG:torch_geometric Data类

zerokusinage的博客

03-16

981

简要介绍torch_geometric(PyG)库的同构图对象

详细讲一下PYG 里面的torch_geometric.nn.conv.transformer_conv函数

weixin_44528463的博客

05-08

1923

参数设置为 4，那么模型将学习 4 组注意力权重，每组权重都用于计算输入的不同子空间的注意力，然后将这些头的输出进行合并以产生最终的输出。应该设置为 16，表示每个输出样本的大小为 16，即经过卷积操作后每个节点的特征向量将变为 16 维。如果设置为元组，则表示输入样本的大小对应于源维度和目标维度的大小。因此，通过矩阵乘法运算，输入特征将被映射到一个新的特征空间，其维度为。表示每个输出样本的大小，即经过卷积操作后产生的特征向量的维度大小。在这个新的特征空间中，每个节点的每个头都有一个键表示。

mac M1安装 pyG (torch_geometric+torch-sparse)

huangyiming99999的博客

12-21

1194

mac M1 安装pyG库，包含torch_geometric, torch-sparse等

【PYG】from torch_geometric.data import Data的作用

Never Give Up

06-30

464

官方文档在 PyTorch Geometric 中，是一个用于表示图数据的核心数据结构之一。

anaconda环境下安装torch+torch_geometric

weixin_43756314的博客

04-19

3709

PS: 若要删除镜像加速通道，则把”add channels”改为“remove channels"在我们新建的pytorch虚拟环境下，输入以下命令，查看有没有对应package。conda config --remove channels 【通道地址】conda remove -n 【虚拟环境名字】 --all。输入python，进入python解释器。输入“conda --version”可使用以下指令，查看镜像源是否配置成功。，之后再输入“python”。输入“conda info”

ModuleNotFoundError: No module named ‘torch_geometric.loader

CSDN 精品推荐

08-09

1349

我在学习 `torch-geometric` 这个库，使用 `from torch_geometric.loader import DataLoader` ，然后出现如下问题 `ModuleNotFoundError: No module named 'torch_geometric.loader`

torch_geometric安装

yjzbaofu的博客

11-05

2914

第一步：查自己pytorch，cuda版本。

在torch_geometric.datasets中使用Planetoid手动导入Core数据集及发生相关错误解决方案

rothschild666的博客

12-03

4194

在torch_geometric.datasets中使用Planetoid手动导入Core数据集及发生相关错误解决方案

Pytorch中安装 torch_geometric 详细图文操作（全）

码农研究僧的博客

11-09

1839

如果已经安装了pytorch版本，对应跳过步骤一，直接安装步骤二即可注意：依赖包的配置需要根据pytorch版本号以及cuda的版本号，版本号要适配，否则部分函数无法使用。

[论文精读]AI-Guardian: Defeating Adversarial Attacks using Backdoors

m0_52911108的博客

09-27

1229

本文提出了AI-Guardian框架，本质是让模型预测结果受到后门控制，而很难被攻击者操纵，从而抵御对抗攻击。在模型训练阶段，AI-Guardian会针对原始训练样本生成一批后门样本（经过后门处理的样本），按标签双射关系为后门样本分配对应标签，实现后门注入；在模型预测阶段，AI-Guardian先对输入数据进行后门处理，然后将其输入到模型，根据模型输出结果、标签双射关系返回对输入数据真实标签的预测结果。

Linux嵌入式有发展吗，以及对uboot，kernel，rootfs的领悟

最新发布

rjszcb的博客

09-30

503

上一份工作是2022,11—2023，11年底，汽车公司，底层修修改改，编译镜像，修改后，客户给东西，重新编译给他，客制化配置启动参数，环境，支持应用部门，不懂怎么使用某些驱动。uboot到底是干嘛的，想想，emmc的镜像文件是怎么被读到ddr的，emmc为啥可以被分区，烧录镜像，tftp网络命令为啥可以运行，启动设备时，为啥lcd可以看到图像，kernel还没启动，怎么出图像的。不管做应用开发，驱动开发也好，知道，系统原理，驱动框架，进程管理调度，内核竞争，信号，中断，锁，这些就够了。

Python精选200Tips：171-175

AnFany

09-26

1303

Python深度学习的项目

Her来了，OpenAI正式发布高级语音模式

shadowcz007的博客

09-25

538

OpenAI宣布将Advanced Voice Mode（AVM）扩展到更多付费用户，包括ChatGPT的Plus和Teams用户。该功能旨在使ChatGPT的语音交互更加自然，并新增五种新声音和改进的口音识别能力。虽然Sky声音因法律争议被移除，但AVM的整体设计和性能得到了提升。新版本不仅能在用户打断时立即停止回答，还能根据用户语音中的情感调整响应。此外，视频和屏幕共享功能暂未推出。AVM目前...

可以使用pyg（torch_geometric）搭建GCN网络

09-30

PyG（Torch Geometric）是一个用于图神经网络（Graph Neural Networks, GNNs）的Python库，它是基于PyTorch构建的。如果你想使用PyG搭建GCN（Graph Convolutional Network）网络，首先需要安装`torch_geometric`库。以下是一个简单的步骤概述： 1. **安装**: ```bash pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/torch_stable.html pip install torch-scatter -f https://github.com/rusty1s/pytorch_scatter/blobs/main/dist/ pip install torch-sparse -f https://github.com/rusty1s/pytorch_sparse/blobs/main/dist/ pip install torch-cluster -f https://github.com/rusty1s/pytorch_cluster/blobs/main/dist/ pip install torch-geometric ``` 2. **导入所需模块**: ```python import torch from torch_geometric.nn import GCNConv, global_mean_pool ``` 3. **构建数据结构**: 使用`torch_geometric.data.Data`类来创建图的数据结构，包括节点特征和边的信息。 4. **定义模型**: ```python class GCN(torch.nn.Module): def __init__(self, in_channels, hidden_channels, out_channels): super(GCN, self).__init__() self.conv1 = GCNConv(in_channels, hidden_channels) self.conv2 = GCNConv(hidden_channels, out_channels) def forward(self, data): x, edge_index = data.x, data.edge_index x = F.relu(self.conv1(x, edge_index)) x = self.conv2(x, edge_index) return global_mean_pool(x, data.batch) ``` 5. **训练和预测**: 定义损失函数、优化器，并通过`DataLoader`加载数据进行训练。 ```python model = GCN(...).to(device) optimizer = torch.optim.Adam(model.parameters(), lr=0.01) for epoch in range(100): # 假设这是训练循环 optimizer.zero_grad() output = model(data) loss = F.nll_loss(output[data.train_mask], data.y[data.train_mask]) loss.backward() optimizer.step() # 预测阶段 with torch.no_grad(): pred = model(data) ```