虚拟环境配置实战-经验总结

项目：https://github.com/Peien429/BotDGT
requirements.txt:

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。

1. 安装pytorch：https://pytorch.org/get-started/previous-versions/
2. 安装torch_scatter，torch_sparse，torch_cluster，torch_spline_conv：https://data.pyg.org/whl/
3. 安装torch-geometric：https://pytorch-geometric.readthedocs.io/en/latest/install/installation.html
4. 安装torch-lighting

conda create -n env_name python=3.9 conda activate env_name pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu118 pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.6.0+cu118.html pip install torch_geometric pip install pytorch_lightning

总结：

1. 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。但是这里的包主要只有pyg，pyg官方推荐使用pip安装，所以都用pip安装了

2. 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。

3. 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：

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。

5. 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