文章目录
- Anaconda安装
- 1、进入[Anaconda官网](https://www.anaconda.com/)下载，下载完成后安装指令默认直到完成安装。
- 2、进入Anaconda Prompt，使用conda指令来为不同的版本创建单独的环境：
- Pytorch安装
- 1、打开NVIDIA控制面板，帮助-->系统信息-->组件，查看自己电脑显卡CUDA的版本号。
- 2、进入[pytorch官网](https://pytorch.org/)，复制对应版本的安装口令（在pytorch环境中）进行安装。
- 3、检查安装是否成功
- DGL安装
- 1、进入[DGL官网](https://www.dgl.ai/)，选择对应版本的安装命令，再在后面加上镜像地址，要耐心等会儿。
- 2、输入```pip list```，可以看到dgl已经存在。
- 3、在pycharm中配置解释器。
Anaconda安装
1、进入Anaconda官网下载，下载完成后安装指令默认直到完成安装。
2、进入Anaconda Prompt，使用conda指令来为不同的版本创建单独的环境：
conda create -n pytorch python=3.7
安装过程会出现y/n提示，输入y即可。安装的速度与网速有关，如若期间有未安装成功的部分再重新输入语句继续安装即可。
conda activate pytorch
激活环境，activate+自己定义的环境名（如pytorch），出现下图则激活成功。
Pytorch安装
1、打开NVIDIA控制面板，帮助–>系统信息–>组件，查看自己电脑显卡CUDA的版本号。
2、进入pytorch官网，复制对应版本的安装口令（在pytorch环境中）进行安装。
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
一直卡在这步不动，于是改成pip安装试了下，还是不动。最后把cuda改成了cpu（因为目前也就是在我笔记本上跑跑，没差），下载镜像比较快。
pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
https://pypi.tuna.tsinghua.edu.cn/simple是清华大学镜像源。
3、检查安装是否成功
输入pip list，可以看到torch已经存在。
先进入python环境，然后输入以下命令进行查询。
import torch
torch.cuda.is_available()
print(torch.__version__)
因为下载的cpu版本的，所以torch.cuda.is_available()会返回False，安装了cuda的则是True。
DGL安装
1、进入DGL官网，选择对应版本的安装命令，再在后面加上镜像地址，要耐心等会儿。
pip install --pre dgl -f https://data.dgl.ai/wheels/repo.html -i https://pypi.tuna.tsinghua.edu.cn/simple
这里我重新建了一个叫dgl的虚拟环境，重新安装了pytorch，再在里面安装dgl，所以环境名变了不是前面的pytorch了。
2、输入pip list，可以看到dgl已经存在。
3、在pycharm中配置解释器。
打开Pycharm->文件->设置->项目->Project Interpreter：
python版本我选择了3.7的和前面的对应，配置好之后可以看到dgl和pytorch都下好了的。
运行下列代码，成功即配置成功。
import torch
print(torch.__version__)
