如果要用到GPU ，先看这篇安装并保证cuda可用。跑深度学习模型I：一文正确使用CUDA-CSDN博客

啊每次都是pytorch版本问题引发的一系列错误！

1. 查看自己的cuda版本

nvcc --version  可以看到我的cuda版本是11.8

nvidia-smi  查看NVIDIA驱动版本，可以看到我的驱动版本是522.06

方法二： 去NVIDIA控制面板，查看本机GPU支持的CUDA版本

具体操作：NVADIA的控制面板>帮助>系统信息>组件,可以看到我的版本是CUDA11,选择对应的版本。

我的GPU支持11.8的CUDA版本

2. 安装Pytorch包

在Pytorch官网中PyTorch，根据自己的CUDA版本选择，复制安装命令

突然发现原来还可以安装以前的版本的pytorch

不过要注意支持的CUDA版本。同时注意python版本支持情况，可查看这个表确认PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系_torch2.0.1对应的torchvision-CSDN博客

我的python是3.9 ，为了后续能够安装我cuda版本能装的dgl，这里选择了2.2的torch

在pytorch官网中找到这个命令

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118

把刚刚复制的安装命令，切换到需要用的python虚拟环境中执行。

环境创建切换等基础可以回看这篇【Python环境配置基础】-CSDN博客

检查torch库是否安装正确

import torch

print(torch.__version__)

检查cuda是否可用

torch.cuda.is_available()

终于可用啦啊啊啊啊太不容易了

其他torch相关库跑深度学习模型Ⅲ：正确安装与torch版本对应的其他torch包-CSDN博客

3. 安装DGL

进入DGL官网

根据已安装的Pytorch版本和cuda版本选择对应的命令，所以前两步版本都要安装正确才行！

【注意 dgl对于windows系统似乎只提供2.2.1版本的了，所以我好像试了很多次，最后前面装toroch时就安装2.2.1版本才行】

血与泪的教训！朋友们，一定要用conda装！

若想删除已经安装的不需要的DGL版本，则删除现有版本：

默认删除当前DGL：pip uninstall dgl

（cuda11.8可根据自己的环境调整）

再重新安装

4. 其他pytorch 库

以下连接可找其他库，如torch_scatter，torch_sparse等

pytorch-geometric.com/whl/torch-1.10.2%2Bcu113.html

5. 最后在安装torch时出现以下报错解决

pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host='download.pytorch.org', port=443): Read timed out.

只需要使用清华镜像源 -ihl/cu118/pyphttps://pypi.tuna.tsinghua.ed