图神经网络（GNN）安装torch_geometric

原创 已于 2025-10-01 16:05:14 修改 · 315 阅读 · 4 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#机器学习 #python #神经网络
于 2025-10-01 15:44:04 首次发布
Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化，内置完整运行环境与 Qwen3-32B 模型依赖，开箱即用。

图神经网络（GNN）

安装

  1. 创建一个python虚拟环境：可用virtualenv或者miniconda创建，这里我安装3.11
  1. 安装pytorch
  • 官方包的github地址：pytorch包的github地址
  • 选择合适的配置安装命令：地址
    在这里插入图片描述
  • 查看torch的版本：终端运行python -c "import torch; print(torch.__version__)"
  • 查看CUDA的版本：终端运行python -c "import torch; print(torch.version.cuda)
  1. 安装torch_geometric及相关wheels（参考链接：官方文档
  • 先安装torch_geometric：pip install torch_geometric
  • 选择合适的配置，然后安装wheels/dependencies
    在这里插入图片描述

您可能感兴趣的与本文相关的镜像

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen
文本生成
Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化，内置完整运行环境与 Qwen3-32B 模型依赖，开箱即用。

手把手安装GNN必备库 —— pytorch_geometric
m0_51339444的博客
01-09 2356
PyG全称是Pytorch Geometric，它是一个基于Pytorch构建的库，可以帮助用户快速构建和训练自己的图神经网络模型。PyG中实现了很多先进（state of the art）的GNN模块，例如GCN、GraphSage、GAT、SGC、GIN等等。此外，PyG中还包含了大量的benchmark图数据集、丰富的图数据操作方法、支持多GPU。
从零搭建图神经网络环境：Conda实战PyTorch与PyG
weixin_33735077的博客
04-19 553
本文详细介绍了如何使用Conda从零搭建图神经网络开发环境，涵盖PyTorch与PyTorch Geometric(PyG)的安装与配置。通过创建独立虚拟环境、配置国内镜像源、解决版本依赖问题等实战技巧，帮助开发者高效搭建GNN开发环境，特别适合初学者快速上手图神经网络开发。
手把手教你在windows10安装GNN相关环境（torch+torch_geometric+rdkit+deepchem）
阿财是小白的博客
08-05 2987
在windows中安装 GNN相关的环境，包括cuda、torch、pyg、rdkit、deepchem、pytorch-lightning
图神经网络GNN入门（一）：PyG安装及入门
zoe2222226666的博客
04-22 1720
简单安装、测试了图神经网络模型库PYG
GNN环境安装/conda channel/动手深度学习
qq_43369406的博客
07-15 610
由于pip的“特殊性和极为特殊的依赖性”，往往并不能一次性安装好，使用pip循环遍历多次安装：即依次安装不好，将安装失败的注释掉，接着安装剩下的。一遍循环完毕后，将安装好的注释掉，将上一次安装失败的解注释，继续安装。使用anaconda的environment.yml安装环境，将conda镜像改为上一步中的conda镜像，即将channels中的文件改变。需要注意的是1.11后的使用+指定tookkit，如。动手深度学习纸质书： https://j.youzan.com/2E82KT（半价购书）
图神经网络入门-相关环境安装及不错的学习链接
sky_ying的博客
03-18 386
一共有四种依赖，分别是torch_scatter，torch_sparse，torch_cluster，torch_spline_conv。需要注意的是最后，还需要安装，这个时候需要寻找geometric对应的版本，不能偷懒直接安装，不然会报错。所以安装用的11.3的版本，python环境用3.8，都是用whl文件安装，不会报错。目前版本，cuda显示是11.4，但是pytorch的版本不包含11.4。去寻找对应的版本，最后import一下确认不报错，就安装成功了。到对应的版本的geometric。
Windows中使用Miniconda安装PyTorch、torch_geometric、DGL，实现图神经网络（GNN）训练、测试
Paitalyi的博客
04-25 1450
安装torch_geometric和dgl踩坑记录
PyTorch图神经网络模块：torch_cluster安装与应用指南
weixin_36289742的博客
10-09 2304
本文还有配套的精品资源，点击获取 简介： torch_cluster 是PyTorch生态系统中用于图神经网络（GNN）的关键库，它提供了丰富的图操作功能。本文详细介绍了 torch_cluster-1.5.9-cp38-cp38-linux_x86_64.whl 包的内容，并指导用户如何安装和使用该库。介绍了安装 torch-1.9.1...
PyTorch Geometric完全指南：10个技巧快速掌握图神经网络开发
gitblog_00509的博客
03-12 731
PyTorch Geometric是一个基于PyTorch的图神经网络库，它提供了丰富的工具和接口，帮助开发者轻松构建和训练图神经网络模型。无论是处理小型图数据还是大规模图数据集，PyTorch Geometric都能提供高效的解决方案，让图神经网络开发变得简单而高效。 ## 1. 快速安装PyTorch Geometric 要开始使用PyTorch Geometric，首先需要进行安装。Py
从零搭建图神经网络开发环境：Conda实战PyTorch与PyG
weixin_30698527的博客
04-19 292
本文详细介绍了如何使用Conda从零搭建图神经网络（GNN）开发环境，重点讲解了PyTorch与PyG的安装与配置。通过Miniconda管理环境、国内镜像加速、CUDA版本匹配等实用技巧，帮助开发者高效解决依赖冲突问题，快速部署GNN开发环境。
图神经网络入门：搭建GNN环境
weixin_50918736的博客
11-18 5311
图神经网络入门：搭建GNN环境 本教程是在Windows10下安装Pytorch(GPU版本，CPU版本比较简单，不需要CUDA、cudnn) ,CUDA ,cudnn,pyG 许多初学者，开始以为直接安装好上述的软件或者包就直接能用了，我一开始也是这么干的。但是是错误的。注意：上述软件或包版本要求一一对应！！！不能出错。 查询的连接在Pytorch官网Pytorch 如下图所示 torch torchvision python 版本对应表 NVIDIA驱动与CUDA版本对应表 查询方式如下图 在这里
GNN学习笔记——从环境搭建开始（无sudo权限的python3.7虚拟环境搭建）
freewayyy的博客
09-01 723
GNN学习笔记从环境搭建开始（无sudo权限）1、python 3.7 虚拟环境的搭建2、在该环境下安装包3、环境的激活、使用和退出 从环境搭建开始（无sudo权限） 1、python 3.7 虚拟环境的搭建 搭建目标：想要复现 scDeepSort的代码，因此重新搭建一个相同环境 conda create -n env_name python=3.7 2、在该环境下安装包 激活刚刚搭建的环境 source activate env_name 在该环境下安装：scipy=1.3.1，torch=1.4
CNN已老，GNN来了！清华大学孙茂松组一文综述GNN
数据派THU
01-06 8315
来源：新智元本文约3500字，建议阅读7分钟。本文将带你了解UCI数据库的Python API，通过实际案例拆解并讲解代码。[ 导读 ]深度学习无法进行因果推理，而图模型...
对GNN（图神经网络）的初步了解
程小白的博客
04-29 1235
一、为什么需要图神经网络？ 随着机器学习、深度学习的发展，语音、图像、自然语言处理逐渐取得了很大的突破，然而语音、图像、文本都是很简单的序列或者网格数据，是很结构化的数据，深度学习很善于处理该种类型的数据（图1）。 然而现实世界中并不是所有的事物都可以表示成一个序列或者一个网格，例如社交网络、知识图谱、复杂的文件系统等（图2），也就是说很多事物都是非结构化的 相比于简单的文本和图像，这种网络类型的非结构化的数据非常复杂，处理它的难点包括： 图的大小是任意的，图的拓扑结构复杂，没有像图像一样的
通俗理解图神经网络GNN
Candy_boy
08-29 715
3）在搭建GNN网络时，搭建的其实是上面的参数α , β , f \alpha,\beta,fα,β,f的表示方法，因此这是与图的形状无关的。4）值得注意的是，GNN的一层是指节点们的一层embedings的表示，并且大多数GNN都是2-4层。1） GNN 一般处理的任务是图分类或者节点分类，可以看出GNN一般的处理过程是对节点特征进行的训练。2）GNN中的NN学习的是在聚合节点时自己多重要，周围节点多重要，以及周围节点该怎么聚合，这是与图的形状无关的；这就是GNN做的事情。...
手把手教你解决图神经网络环境配置难题：DGL与PyG的兼容性安装指南
weixin_29096377的博客
03-06 32
本文针对图神经网络开发中常见的环境配置难题，提供了详尽的DGL与PyG兼容性安装指南。文章强调安装前必须精确匹配PyTorch的CUDA版本，并分步详解了手动下载whl文件等最可靠的安装方法，旨在帮助开发者快速搭建稳定的GNN开发环境，将精力专注于模型与算法。
从PyTorch到PyG：在Windows 11/WSL2下搭建图神经网络开发环境的完整避坑记录
weixin_30839881的博客
03-27 144
本文详细介绍了在Windows 11/WSL2环境下搭建PyTorch Geometric（PyG）图神经网络开发环境的完整指南。从WSL2基础配置、PyTorch与CUDA的特调安装，到torch-geometric依赖库的精细安装策略，提供了全面的避坑方案和性能优化技巧，帮助开发者高效构建稳定的GNN开发环境。
图神经网络开发第一步：解决PyG依赖包安装失败的终极方案（含CUDA版本适配）
weixin_28835583的博客
03-28 161
本文详细解析了图神经网络开发中PyG依赖包安装失败的常见问题，特别是torch_sparse、torch_scatter等关键依赖的版本适配问题。通过环境诊断、版本矩阵构建和官方推荐安装方案，帮助开发者解决CUDA版本不匹配等安装问题，确保图神经网络开发环境顺利搭建。
PyTorch Geometric安装指南：用conda虚拟环境一次搞定所有依赖（适合Win/Mac/Linux）
最新发布
weixin_30263277的博客
05-16 376
本文提供了一份全面的PyTorch Geometric(PyG)安装指南，通过conda虚拟环境解决跨平台安装难题。详细介绍了从基础环境搭建到PyG核心组件安装的完整流程，涵盖Windows、macOS和Linux系统，特别针对CUDA版本兼容性和常见问题提供了实用解决方案，帮助开发者快速构建稳健的GNN开发环境。
图神经网络GNN详解
zhuofutong的博客
10-29 8790
原文链接：最近火爆的人工智能2.0--图神经网络，究竟什么来路？1.火爆的图神经网络究竟什么来路？最近几年，作为一项新兴的图数据学习技术，图神经网络（GNN）受到了广泛的关注。2018年年末，发生了两件特殊的事情。图数据学习领域同时发表了三篇综述论文，这种现象体现了学术界对该项技术的高度认可；更有众多工业界与学术界的大佬联名上书，支持GNN。由DeepMind、谷歌大脑、MIT 和爱丁堡大学等公司和机构的 27 位科学家共同发表了一篇论文Relational inductive biases, deep l
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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