1、联网版：先创建pytorch环境：conda create -n ljj_torch112 python=3.8
看本机的：
先看自己的cuda版本：（最权威的看：nvcc --version）
10.0的cuda于是不太符合，所以换一个10.2的cuda比较常用！
创建pytorch环境：
激活环境：conda activate ljj_torch112
1.2、下载pytorch（带上了cuda10.2）
我要下载的是1.12的，不是2.0的新版，所以到这里去找以前的pytorch：
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=10.2 -c pytorch
1.2.1 查看torch、cuda等的版本
1.3、下载DGL
conda install -c dglteam/label/cu102 dgl
下载其他必要的安装包：
#conda install cudatoolkit
pip install scipy
pip install normflows==1.4
pip install tensorboardx==2.5.1
pip install tqdmpip install torchtext==0.4.0
pip install scikit-learn
pip install pandaspip install wandb
#日志输出的代码
script -f a.log#有代码需要用到apex，所以下载apex有以下几步（跟着我标注黄色背景的代码，复制粘贴就可以）：
sudo apt install git
git clone https://github.com/NVIDIA/apex.git(我使用了git，学校服务器不行，所以选择下面的wget)
总结，这个方法1试过，可以！——————在学校服务器8T4可以用这种方法！！
截图：（参考：linux安装nvidia/apex - 知乎 (zhihu.com)）
总结，这个方法2试过，可以！————在学校服务器4T4可以！
【【【【【【【（下载apex：） 如果git clone不行的话，再试试wget：
wget https://codeload.github.com/NVIDIA/apex/zip/refs/heads/master -O master.zip
#解压缩 unzip master.zip -d /mnt/hdd1/ljj/apex
（参考来源：chatgpt）
cd /mnt/hdd1/allusers/ljj/4other/apex/apex-master
python3 setup.py install
来源：linux安装nvidia/apex - 知乎 (zhihu.com)
查看apex有没有安装成功：python import apex
（
】】】】】】】】】】】】】】】】】】】】】
参考： apex安装方法_51CTO博客_steam怎么下apex
）
如果代码中下载：pip install torchscale
pip install torchscale
pip install torchtext==0.4.0
1.3.1 可以用conda list查看DGL是否下载成功
2、上传文件版本_学校服务器安装cuda版本的pytorch+DGL：(不建议，因为用这个办法没成功过！)
2.1 上传torch、dgl文件（红框是dgl放置的地方，dgl就不用pip install 了）
（这是8*T4的位置）
（这是4*T4的位置）
2.2 下载torch安装包（dgl就不用pip install 了）
然后就可以运行代码啦！！！
但是如果不加下面的代码，仍然会报错，因为不是pip安装，所以一系列包就没有，所以需要自己手动添加：
conda install cudatoolkit
pip install scipy
pip install normflows==1.4
pip install tensorboardx==2.5.1
pip install tqdm
#日志输出的代码
script -f a.log
#WIKI的代码
CUDA_VISIBLE_DEVICES="1" python main.py --dataset Wiki-One --data_path ./Wiki --few 5 --data_form Pre-Train --prefix np_rgcn_attn_planar_wiki_5shot_intrain_g_batch_1024_eval_8 --device 1 --batch_size 32 --flow Planar -dim 50 --g_batch 1024 --eval_batch 8 --eval_epoch 2000详细介绍（上面包含了代码，所以可不看）———————————————————————————————————
结果运行报错！OSError: libcublas.so.11: cannot open shared object file: No such file or directory
解决方法：conda install cudatoolkit
如果不行，可以换另一种方法：
——————————————————————————————————————————
untimeError: CUDA out of memory. Tried to allocate 1.25 GiB (GPU 0; 14.76 GiB total capacity; 10.37 GiB already allocated; 1.14 GiB free; 12.74 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF
出错结果是：
2.1查看原因：
# Your code before the problematic line
# Code leading to CUDA out-of-memory error
x = torch.cat([edges.src['h'], edges.data['feat'], edges.dst['feat']], dim=1)
# Release GPU memory
torch.cuda.empty_cache()
# Continue with the rest of your code
# ...
# Your code after the problematic line3、在服务器中使用wandb：
(258条消息) wandb使用前提 - 注册，登陆_wandb注册_无脑敲代码，bug漫天飞的博客-CSDN博客
这个是在本地使用wandb：（资料如下链接）
———————————————————我的电脑试验一下——————
总的加在自己代码上的部分：
1、import并且初始化init
import wandb
wandb.init(project="my-project")
wandb.watch_called = False # Re-run the model without restarting the runtime, unnecessary after our next release2、在函数里;
wandb.log({ "Examples": example_images, "Test Accuracy": 100. * correct / len(test_loader.dataset), "Test Loss": test_loss })
3、config
config = wandb.config # Initialize configconfig.batch_size = 4 # input batch size for training (default:64)
config.test_batch_size = 10 # input batch size for testing(default:1000)
config.epochs = 50 # number of epochs to train(default:10)
config.lr = 0.1 # learning rate(default:0.01)
config.momentum = 0.1 # SGD momentum(default:0.5)
config.no_cuda = False # disables CUDA training
config.seed = 42 # random seed(default:42)
config.log_interval = 10 # how many batches to wait before logging training status
4、训练结果
wandb.watch(model, log="all")
for epoch in range(1, config.epochs + 1):
train(config, model, device, train_loader, optimizer, epoch)
test(config, model, device, test_loader, classes)
torch.save(model.state_dict(), 'model.h5')
wandb.save('model.h5')
再按照大佬们举例子，截图:
学校服务器torch_geometric离线下载存在哪里：
比如我想本机下载torch_geometric的whl文件，然后再用学校服务器再pip install：
下载好了whl文件，可以放在root下，
安装好之后把这个whl文件删除即可
下面的安装就是详细记录：
miniconda的安装：
再阿里云服务器上安装anaconda：
