torch_geometric是PyG中必不可少的一个包，也是进行图神经网络学习的必备，然而安装这个包并运行一段简单的代码踩了不少坑，记录一下。
1、安装torch_geometric
一开始，我直接pip
pip intsall torch_geometric果然报错，提示没有torch_sparse
很显然是没有安装依赖，于是我去查需要哪些依赖
官网地址：Installation — pytorch_geometric documentation (pytorch-geometric.readthedocs.io)
按照官网给出的代码进行安装
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-1.13.0+cpu.html运行依旧没有成功...
于是手动下载
（1）卸载安装的相关包
pip uninstall torch-geometric torch-scatter torch-sparse torch-cluster torch-spline-conv（2）选择适合自己的torch和cuda版本
（3）按照自己的python版本和操作系统下载
（4）进入conda激活虚拟环境，然后进入下载地址
这里注意需要进入D盘，cmd中进入D盘的命令为：
D:
然后cd进入包的下载页面，直接pip install
安装完所有的依赖后记得
pip install torch_geometric
2、运行代码
import torch_geometric依旧报错：
Pytorch AttributeError: module 'torch' has no attribute 'sparse_scs'
这个就很让人费解，于是查看了一下
发现torch.sparse里面确实没有这个模块，那为什么会报错呢？查看一些帖子后发现报这种错一般是因为版本不对，于是，降低torch_geometric版本，果然成功！！
我的版本：
至此就安装成功啦！！
简单跑了个程序
import torch.nn.functional as Fclass GCN(torch.nn.Module): def __init__(self, num_node_features, num_classes): super(GCN, self).__init__() self.conv1 = GCNConv(num_node_features, 16) self.conv2 = GCNConv(16, num_classes) def forward(self, data): x, edge_index = data.x, data.edge_index x = self.conv1(x, edge_index) x = F.relu(x) x = F.dropout(x, training=self.training) x = self.conv2(x, edge_index) x = F.relu(x) x = F.dropout(x, training=self.training) x = F.softmax(x, dim=1) return xmodel = GCN(dataset.num_node_features, dataset.num_classes)print(model)def train(model, data): optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=1e-4) loss_function = torch.nn.CrossEntropyLoss() model.train() for epoch in range(200): out = model(data) optimizer.zero_grad() loss = loss_function(out[data.train_mask], data.y[data.train_mask]) loss.backward() optimizer.step() print('Epoch {:03d} loss {:.4f}'.format(epoch, loss.item()))train(model,data)运行结果：
没问题！！接下来就可以建立一个自己的图神经网络啦~
来源地址：https://blog.csdn.net/m0_55245520/article/details/130424828
