PyTorch Geometric(PyG) 库的安装

PyG库简介PyG的全称是 PyTorch Geometric,是一款基于 PyTorch 的几何深度学习框架,可以简单方便的实现图神经网络。以下为安装过程。

以下是我的Requirements.txt：

Python == 3.8
cuda == 10.2
Pytorch == 1.5.1
torch-geometric==1.5.0

1.创建新的conda环境

新建一个名字为PyG的python版本为3.8的新环境，记住这里安装的python版本，后续选择包的时候需要。

conda create -n PyG python=3.8 -y
activate PyG

2.安装Pytorch和CUDA

选择Pytorch的版本和对应版本的cuda，具体安装指令可以参考官网。

conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.2 -c pytorch -y

3.安装PyG库

需要的安装包（需要安装以下顺序安装）：

torch_scatter
torch_sparse
torch_cluster
torch_spline_conv
torch-geometric

下载网址：https://data.pyg.org/whl/

选择torch和cuda的版本：

PyG安装包版本选择

进入后下载torch_scatter 、torch_sparse 、torch_cluster 、torch_spline_conv四个包：

PyG依赖包下载

python版本是3.8的选cp38，还要判断是win还是linux。

下载后将四个包放置在同一个文件夹。

cd D:\XXX\XX\  # 安装包所存的位置
pip install torch_scatter-2.0.5-cp38-cp38-win_amd64.whl
pip install torch_sparse-0.6.7-cp38-cp38-win_amd64.whl
pip install torch_cluster-1.5.7-cp38-cp38-win_amd64.whl
pip install torch_spline_conv-1.2.0-cp38-cp38-win_amd64.whl

最后选择好版本PyG版本直接安装即可。

pip install torch-geometric==1.5.0

4. 测试

最后，在安装完毕后可以用下面的这段代码进行测试一下。

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch_geometric.nn import MessagePassing
from torch_geometric.utils import softmax, add_remaining_self_loops


class GATConv(MessagePassing):
    def __init__(self, in_feats, out_feats, alpha, drop_prob=0.0):
        super().__init__(aggr="add")
        self.drop_prob = drop_prob
        self.lin = nn.Linear(in_feats, out_feats, bias=False)
        self.a = nn.Parameter(torch.zeros(size=(2*out_feats, 1)))
        self.leakrelu = nn.LeakyReLU(alpha)
        nn.init.xavier_uniform_(self.a)

    def forward(self, x, edge_index):
        edge_index, _ = add_remaining_self_loops(edge_index)
        # 计算 Wh
        h = self.lin(x)
        # 启动消息传播
        h_prime = self.propagate(edge_index, x=h)
        return h_prime

    def message(self, x_i, x_j, edge_index_i):
        # 计算a(Wh_i || wh_j)
        e = torch.matmul((torch.cat([x_i, x_j], dim=-1)), self.a)
        e = self.leakrelu(e)
        alpha = softmax(e, edge_index_i)
        alpha = F.dropout(alpha, self.drop_prob, self.training)
        return x_j * alpha


if __name__ == "__main__":
    conv = GATConv(in_feats=3, out_feats=3, alpha=0.2)
    x = torch.rand(4, 3)
    edge_index = torch.tensor(
        [[0, 1, 1, 2, 0, 2, 0, 3], [1, 0, 2, 1, 2, 0, 3, 0]], dtype=torch.long)
    x = conv(x, edge_index)
    print(x.shape)

1.创建新的conda环境

2.安装Pytorch和CUDA

3.安装PyG库

4. 测试

Enjoy Reading This Article?