PyTorch与PyTorch Geometric的安装

GPU与CUDA,Python,PyTorch的匹配

1. 查看Linux系统中GPU的基础信息/NVIDIA Driver Version

nvidia-smi

nvidia-smi是nvidia 的系统管理界面，其中smi是System management interface的缩写，它可以收集各种级别的信息，查看显存使用情况。此外, 可以启用和禁用 GPU 配置选项 (如 ECC 内存功能)。

系统的Nvidia Driver Version决定着系统最高可以支持什么版本的cuda和cudatoolkit，Nvidia Driver是向下兼容的，详情如下（见Table 3. CUDA Toolkit and Corresponding Driver Versions）：

2. 查看当前CUDA版本：

cat  /usr/local/cuda/version.txt

我自己的环境最高可支持10.1版本的cuda和cudatoolkit，当前是10.0，版本向下兼容，并无什么问题。

3. CUDA Toolkit匹配PyTorch

CUDA Toolkit 和PyTorch的对应关系（见官网）

！注意事项：服务器本身的CUDA版本与虚拟环境中安装的cudatoolkit包没有太大关系，一般安装pytorch时需要考虑的cuda版本指的应该是虚拟环境中安装的cudatoolkit包的版本

由于我需要用到v1.6.0的Pytorch，因此自己在虚拟环境里安装v10.1的CUDA Toolkit，系统GPU可接受最高版本v10.1。
torch与torchvision对应关系如下（详情见PyTorch / Vision）：

因此，我需要安装的如下：
CUDA Toolkit == 10.1
Python == 3.7
PyTorch == 1.6

安装PyTorch

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

安装完成后可通过以下命令检查torch版本及对应的CUDA版本：

python -c "import torch; print(torch.__version__)"
python -c "import torch; print(torch.version.cuda)"

再通过以下命令查看GPU是否可用：

python>>> import torch
>>> torch.cuda.is_available()  # GPU是否可用
>>> torch.cuda.device_count()  # GPU数量
>>> torch.cuda.current_device()    # 当前GPU
>>> exit()

注意，GPU devices从0开始编号。

安装PyTorch Geometric

1. 快速安装

根据官网，如果PyTorch版本≥1.8.0，可以快速下载：

2. 自定义安装

自定义下载需要根据当前的PyTorch版本和CUDA版本下载相关的依赖，下载命令如下：

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-${TORCH}+${CUDA}.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-${TORCH}+${CUDA}.html
pip install torch-geometric

其中， ${TORCH}替换为当前环境下的PyTorch版本，目前支持1.4.0、1.5.0、1.6.0、1.7.0、1.7.1、1.8.0、1.8.1、和1.9.0； ${CUDA}替换为指定的CUDA版本，目前支持cpu、cu92、cu101、cu102、cu110和cu111。

例如对于PyTorch 1.6.0和CUDA 10.1：

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-geometric

3. 版本依赖

使用自定义安装时，依然可能会出现安装失败的问题，因为pytorch_geometric几个相关库之间有比较强的依赖关系，建议是在自定义安装的基础上指定对应库的版本，例如对于pytorch1.6.0和cuda10.1：

pip install torch-scatter==2.0.5 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-cluster==1.5.8 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-sparse==0.6.7 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-spline-conv==1.2.0 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-geometric==1.6.1 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html