pytorch 第三方模組 GraphNAS 安裝成功記錄
阿新 • • 發佈：2020-09-21
實驗室的小師妹要安裝pytorch的第三方模組，經過多方努力沒有安裝上，後來我接手後也是感覺頭疼。
該模組地址：
https://github.com/GraphNAS/GraphNAS
該模組主頁給出兩種安裝方式：
Requirements
Recent versions of PyTorch, numpy, scipy, sklearn, dgl, torch_geometric and networkx are required. Ensure that PyTorch 1.1.0 and CUDA 9.0 are installed. Then run:
pip install torch==1.1.0 -f https://download.pytorch.org/whl/cu90/torch_stable.html pip install -r requirements.txt
If you want to run in docker, you can run:
docker build -t graphnas -f DockerFile . docker run -it -v $(pwd):/GraphNAS graphnas python -m eval_scripts.semi.eval_designed_gnn
第一種安裝方式， 使用 pip 的安裝方式， 各種報錯， 錯誤種類太多。
不過看了看該模組的原始碼後對報錯的種類有了一些瞭解， 報錯按照執行方式來分類的話可以分為CPU和GPU端上的 編譯報錯和執行報錯，
CPU端上 編譯報錯就是GCC, G++ 沒有安裝，或者安裝版本不對， 執行報錯就是python的版本和編譯的版本各種不對。
GPU端上 編譯報錯就是沒有安裝NVIDIA顯示卡的編譯器 沒有NVCC， 有了nvcc則是沒有配置CUDA_HOME PATH 路徑。
環境變數 PATH 為：
PATH="/usr/local/nvidia/bin:/usr/local/cuda/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin"
環境變數 LD_LIBRARY_PATH 為：
LD_LIBRARY_PATH="/usr/local/nvidia/lib:/usr/local/nvidia/lib64:/usr/local/cuda/lib64"
------------------------------------
最為關鍵的就是GPU端編譯後執行報錯，顯示版本不對應，最後終於安裝上給出安裝的詳細配置。
python==3.6.8 (系統原生Python 或者 conda建立的環境 均可)
pytorch 選擇pip方式安裝的 pytorch==1.1.0 （cuda==9.0）
執行及編譯的環境為 cuda10.1 或 cuda10.2 均可。
---------------------------------------------