pytorch搭建,导入pytorch
pytorch的第三方模块本来是要安装在我们实验室的Younger的，但是经过很多努力还是没有安装。后来接手后觉得很头疼。
模块地址：
https://github.com/GraphNAS/GraphNAS
模块主页提供了两种安装方式：
要求需要PyTorch、numpy、scipy、sklearn、dgl、torch_geometric和networkx的最新版本。确保安装了PyTorch 1.1.0和CUDA 9.0。然后运行：
pip安装火炬==1 . 1 . 0-f https://download.pytorch.org/whl/cu90/torch_stable.html
如果你想在docker中运行，你可以运行：
docker build-t graph nas-f docker file。
docker run-it-v $(pwd):/GraphNAS GraphNAS python-m eval(232，232，232)；颜色：rgb(38，38，38)；边距：0px填充：0px背景：rgb(249，249，249)；PATH=/usr/local/NVIDIA/bin:/usr/local/cuda/bin:/usr/local/sbin:/usr/sbin:/usr/bin:/sbin:/bin 环境变量LD_LIBRARY_PATH为：
LD _ LIBRARY _ PATH=/usr/local/NVIDIA/lib:/usr/local/NVIDIA/lib 64:/usr/local/cuda/lib 64 -
最重要的是GPU端编译后报错，显示版本不对应。最后，在装置上给出了装置的详细配置。
Python==3.6.8(可以使用系统原生Python或conda创建的环境)
py torch py torch==1 . 1 . 0(cuda==9.0)由pip安装。
编译环境可以是cuda10.1或cuda10.2。
其中pytorch下载地址：3359 download . py torch . org/whl/cu90/torch-1 . 1 . 0-cp36-cp36m-Linux _ x86 _ 64 . whl。
通过以上配置，可以成功编译、安装并运行该模块。
验证是否成功：(测试代码)python -m eval(232，232，232)；颜色：rgb(38，38，38)；边距：0px填充：0px背景：rgb(249，249，249)；python -m eval(232，232，232)；颜色：rgb(38，38，38)；边距：0px填充：0px背景：rgb(249，249，249)；Python-m graph nas . main-DataSet Citeser Python-m graph nas . main-DataSet Citeser-Supervised True-Search _ Mode Micro其实cuda之前尝试过很多版本的Python，conda安装的Python和Ubuntu自带的native Python都尝试过，这是最后一个。
最后的成功也是一个错误。首先，电脑系统自带的原生Python比较老，3.6.8版本。没有安装conda，所以pytorch是通过pip安装，由于网速问题安装了轮子版本。然后，本地cuda版本搞错了，我以为是cuda9.0，所以安装的pytorch是cuda9.0，实际上电脑系统的cuda是10。于是就有了上面的成功配置。在这个过程中使用了各种版本。神奇的是，康达安装的Python版和对应的pytorch都无法成功安装这个模块。这也是尝试过太多次的版本。最后有点迷糊，然后成功编译，安装，运行成这样。这也是一件美好的事情。回头看看安装这个模块的整个时间，可以说可以用一整天。
-
个人是事后总结的。安装这个模块的难点主要是运行在GPU上的代码的编译。既然很多人用康达运行pytorch，
但是conda安装的cuda-toolkit只有运行时的api没有编译时的api，所以需要在电脑上手动安装cuda并配置环境参数。
同时，不要在conda下使用pytorch，因为在conda下安装pytorch会自动安装cuda的运行时版本，会和主机的cuda版本冲突。
所以重点是在主机上手动安装cuda，配置环境。pytorch也只在pip模式下安装轮子版本，避免了编译代码的cuda版本和运行代码的cuda版本不一致。
转载请联系作者授权，否则将追究法律责任。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。