1、创建一个虚拟环境

在里面进行安装

# 创建虚拟环境
conda create -n 虚拟环境名 python==指定版本

# 激活虚拟环境
conda activate 虚拟环境名

2、首先确定自己的环境的python版本和CUDA

# python版本
python --version

# CUDA
nvidia -smi

3、配置pytorch

在PyTorch找自己需要的pytorch

（最好不要安装最新版本的，可以看看之前的版本Previous versions of PyTorch）如果安装慢，可以试一下清华的镜像：

pypi | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

4、安装pytorch-geometirc（可选）

需要先安装其他依赖项

pytorch-geometric.com/whl/

在这里面找到自己对应的pytorch和cuda版本，进去后可以下载依赖项

图例的cu后面跟的是CUDA版本，cp后面跟的是python版本，有linux和win两种可选

一般conda虚拟环境里需要下载的是linux版本

分别下载cluster、scatter、sparse，把文件移动到自己的项目里，在虚拟环境中安装

pip install 文件名（全名，带后缀.whl）

最后安装geometric

pip install torch-geometric

5、安装pyg（可选）

Installation — pytorch_geometric documentation (pytorch-geometric.readthedocs.io)

选好自己需要的版本，把下面给出的指令复制到终端虚拟环境中运行

6、段错误（核心已转储）

我的代码在租赁的服务器上是可以运行的，后来换了个新的服务器，重新配的环境，出现了这个问题

看了看其他人的解决方法，有可能是cuda和安装的torch以及各种依赖项版本不兼容。。。

直接新建了一个虚拟环境，重新下载的pytorch、cluster等

解决

一定要对应好版本T^T