Linux上部署conda环境

采用虚拟环境（autodl、恒源云等），租的卡是2080Ti，CUDA版本为12.4，也就是最高支持12.4的cuda版本。

1. 创建环境

自己电脑上用的python是3.10.0，不知道为什么装在服务器上不能用，所以用的3.9

bash 复制代码

conda create -n dgl_1 python=3.10.0

删除环境：

bash 复制代码

conda remove -n 【name】--all

2.安装pytorch

参考链接

torch与torchaudio的对应关系

torch与torchvision的对应关系

torch与torchtext的对应关系

torch与torchdata的对应关系

bash 复制代码

# 安装pytorch和torchvision、torchaudio
conda install pytorch=2.2.0 torchvision=0.17.0 torchaudio=2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia

# 安装torchtext和torchdata，应该可以自己寻找相应版本
conda install torchtext torchdata

3.安装 torch_geometric及其依赖

参考链接

根据自己版本的需要下载相应的依赖，然后上传到服务器的文件夹中，通过"cd"指令进入到该文件夹中，然后安装

bash 复制代码

# 根据自己的名称来
pip install torch_cluster-1.6.3+pt23cu121-cp310-cp310-win_amd64.whl torch_scatter-2.1.2+pt23cu121-cp310-cp310-win_amd64.whl torch_sparse-0.6.18+pt23cu121-cp310-cp310-win_amd64.whl torch_spline_conv-1.2.2+pt23cu121-cp310-cp310-win_amd64.whl

然后再安装torch_geometric

bash 复制代码

# 安装torch_geometric

conda install pyg -c pyg

4. 安装dgl库

在dgl网站中选择要安装的版本，别忘了选择linux

bash 复制代码

conda install -c dglteam/label/th22_cu121 dgl

5.安装其它库

bash 复制代码

# 很重要！！容易忘！！！还会影响程序运行
conda install scikit-learn tqdm pandas matplotlib 
pip install sortednp

6.安装ipykernel

在服务器的Linux环境中，新建的conda环境是没有ipykernel的，首先要安装：

bash 复制代码

pip install ipykernel

在Linux中，有jupyter，所以不需要安装

在运行.ipynb文件时，需要选择python核，这时还没有搭建的环境核（忽略我的核），在没有添加核之前是红框里的核（base环境）

安装好ipykernel后就需要将环境添加到核里了，使用下面的命令

bash 复制代码

# 将"mykernel"和""Python (mykernel)""替换成自己的环境名
python -m ipykernel install --user --name mykernel --display-name "Python (mykernel)"

如：我的环境名是dgl_1，所以我应该执行：

bash 复制代码

python -m ipykernel install --user --name dgl_1 --display-name "dgl_1"

这时，就可以使用jupyter kernelspec list 命令查看有什么核了

如果环境搭建错误，相应的核也会出问题，如果想删除核，就用下面的命令

bash 复制代码

# 删除 dgl_1 内核
jupyter kernelspec remove dgl_1