在原有pytorch环境下安装DGL库和其对应的CUDA【自用】

前段时间看到一篇AAAI2024的论文Patch-wise Graph Contrastive Learning for Image Translation，它采用GNN的思想来进行image-to-image translation的任务，非常的新颖，但我进行复现的时候，发现直接下载它里面需要的DGL库是无法运行的，总是说缺少对应的CUDA。
因此我们需要重新创建一个环境，安装DGL库和其对应的CUDA。
1. 创建pytorch环境
打开Anaconda Navigator，创建环境，命名为DGL，python版本选为3.7.

DGL有CPU版本和CUDA版本
CPU版本

https://pypi.org/simple/dgl/
1

CUDA版本

https://anaconda.org/dglteam/repo
1

我们选择是CUDA版本，打开网站后选择自己对应的CUDA版本

我们选择 win-64/dgl-cuda11.1-0.9.1-py37_0.tar.bz2，进行下载

打开Pycharm，加载解释器为DGL

打开终端，输入

conda install xxx(路径)/win-64/dgl-cuda11.1-0.9.1-py37_0.tar.bz2
1

然后就可以运行程序了

参考链接