torch_geometric的whl文件安装链接

### 安装 `torch_geometric` 和其子模块 为了成功安装并使用 `torch_geometric.nn` 模块，需要遵循特定的步骤来确保所有依赖项正确配置。以下是详细的说明： #### 1. 环境准备 确保 Python 版本兼容（推荐使用 Python 3.8 或更高版本）。此外，确认已安装 CUDA 驱动程序以及相应的 cuDNN 库（如果计划在 GPU 上运行模型），或者可以仅基于 CPU 进行开发。 #### 2. 安装 PyTorch PyTorch 是 `torch_geometric` 的基础库，因此需先安装合适的 PyTorch 版本。可以通过以下命令完成安装： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 上述命令适用于 NVIDIA CUDA 11.8 的环境。如果没有 GPU 支持，则可移除 `--index-url` 参数以安装纯 CPU 版本[^1]。 #### 3. 安装 `torch-geometric` 由于 `torch_geometric` 对应的具体版本与其依赖项紧密关联，建议按照官方文档中的方法进行安装。例如，对于指定版本的安装，可以执行如下命令： ```bash pip install torch-scatter torch-sparse torch-cluster torch-spline-conv torch-geometric -f https://data.pyg.org/whl/torch-2.0.0+cu118.html ``` 此 URL 中包含了针对 PyTorch 2.0.0 和 CUDA 11.8 的预编译二进制文件。如果使用的 PyTorch 版本不同，请调整链接地址至匹配的版本号[^2]。 #### 4. 解决常见错误 当尝试导入 `torch_geometric` 而未预先安装必要的扩展包时，可能会触发类似以下的错误提示： ``` ModuleNotFoundError: No module named 'torch_geometric.utils.to_dense_adj' ``` 这是因为在某些情况下，核心功能依赖于额外的组件如 `torch_sparse`、`torch_cluster` 等。这些工具必须单独引入才能正常工作[^3]。 #### 5. 使用 `torch_geometric.nn` 一旦完成了以上准备工作，就可以顺利调用 `torch_geometric.nn` 提供的各种图神经网络层定义及其辅助函数。下面是一个简单的例子展示如何构建 GNN 模型结构： ```python from torch_geometric.datasets import Planetoid import torch_geometric.transforms as T from torch_geometric.nn import GCNConv dataset = Planetoid(root='/tmp/Cora', name='Cora', transform=T.NormalizeFeatures()) model = GCNConv(dataset.num_node_features, dataset.num_classes) print(model) ``` --- ###