虚拟环境配置实战-经验总结

requirements.txt:

复制代码

pytorch-lightning==2.0.4
torch==1.13.0
torch-cluster==1.6.1+pt113cu117
torch-geometric==2.1.0
torch-scatter==2.1.1+pt113cu117
torch-sparse==0.6.17+pt113cu117
torch-spline-conv==1.2.2+pt113cu117

直接使用pip install -r requirements.txt命令安装的时候，报了错，说找不到torch-cluster相对应的版本。

然后就分开安装。

复制代码

conda install pytorch torchvision pytorch-cuda -c conda-forge -y
conda install pyg -c pyg -y
conda install pytorch-lightning -y

总结：

pip和conda各自安装的包各自看不到，所以容易出现冲突的情况，conda能看到所有自己安装的包，并且解决依赖和冲突的能力比pip强，所有尽量只使用conda来安装包，如果conda没有再使用pip来安装包。
使用命令conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 cudatoolkit=11.7 时默认安装的是cpu版本的torch。即使先conda install cudatoolkit=11.7再conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 ，仍然下载的是cpu版本的torch。因为conda install命令在不指定特定频道时，依赖解析器会优先选择最容易安装的CPU版本包。要确保安装GPU版本，最可靠的方法是直接从PyTorch官方频道（-c pytorch）安装。官方频道会提供完整的、带CUDA构建的包。如conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 cudatoolkit=11.7 -c pytorch -c conda-forge。此外如果使用命令conda install pytorch torchvision pytorch-cuda也会下载gpu版本的torch，因为参数 pytorch-cuda，这是一个元数据包，专门用来告诉 conda 安装支持CUDA的PyTorch版本，但是pytorch-cuda 依赖于 cuda-cudart 等精确版本的 CUDA 组件，这些组件是 NVIDIA 官方维护的，所以要有-c nvidia/conda-forge 这两个官方频道否则可能会报错。
conda install pyg -c pyg会安装 PyTorch Geometric（简称 PyG）及其核心依赖包。pyg是一个Conda元数据包它本身并不包含代码，而是一个"包裹"列表，用于指示 conda 自动安装一组相互兼容的包。包括torch-geometric, pyg-lib, torch-scatter, torch-sparse, torch-cluster, torch-spline-conv。
如果想安装指定版本的pyg可以使用以下命令：

pip install torch-scatter==2.1.1+pt113cu117 -f https://data.pyg.org/whl/torch-1.13.0+cu117.html
pip install torch-sparse==0.6.17+pt113cu117 -f https://data.pyg.org/whl/torch-1.13.0+cu117.html
pip install torch-cluster==1.6.1+pt113cu117 -f https://data.pyg.org/whl/torch-1.13.0+cu117.html
pip install torch-spline-conv==1.2.2+pt113cu117 -f https://data.pyg.org/whl/torch-1.13.0+cu117.html

按照PyTorch Geometric官方建议，在安装好PyTorch后，使用 pip 并指向其官方的wheel仓库来安装是最可靠的方法。
-f https://data.pyg.org/whl/torch-1.13.0+cu117.html只适用于PyG（torch-geometric）扩展库

不能使用以下命令来安装这两个包：

复制代码

pip install torch-geometric==2.1.0+pt113cu117 -f https://data.pyg.org/whl/torch-1.13.0+cu117.html 
pip install pytorch-lightning==2.0.4+pt113cu117 -f https://data.pyg.org/whl/torch-1.13.0+cu117.html

首先 -f https://data.pyg.org/whl/torch-1.13.0+cu117.html只适用于PyG（torch-geometric）扩展库。而pytorch-lightning不是。

其次torch-geometric和pytorch-lightning发布在PyPI官方仓库，而不是PyG的自定义库。PyPI有严格的版本号规范(可以是2.1.0，但不能是2.1.0+pt113cu117），但自定义仓库可以灵活处理。

这几个包的介绍

torch (PyTorch)

深度学习核心框架，提供张量计算、自动微分、神经网络构建等基础功能
核心功能：Tensor 运算（类似 NumPy，但支持 GPU）；自动微分（autograd）；神经网络模块（nn.Module）；数据加载器（DataLoader）

pytorch-lightning

PyTorch 的高层封装，简化训练流程，提供最佳实践模板
核心功能：自动化训练循环（无需手动写 for 循环）；分布式训练支持；实验管理和日志（TensorBoard、WandB 等）；Checkpoint 保存和恢复；超参数优化框架

torch-geometric(PyG)

图神经网络（GNN）专用库，提供图数据处理和 GNN 模型实现
核心功能：图数据结构（Data, Batch），标准 GNN 层（GCN, GAT, GraphSAGE 等），图数据转换和增强，常用图数据集

PyG的底层依赖：
torch-scatter ：高效的散点操作，用于图神经网络中的节点聚合
torch-sparse ：稀疏张量运算，高效处理图结构（邻接矩阵通常很稀疏）
torch-cluster ：图聚类算法实现
torch-spline-conv：样条卷积实现，一种特殊的图卷积

包安装的顺序应该是从torch->pytorch-lightning