筆記-深度學習模型訓練:在Colab上安裝DGL

筆記-深度學習模型訓練:在Colab上安裝DGL

更新於 發佈於 閱讀時間約 2 分鐘

前言

最近在研究GAT,在網路上看到使用torch和DGL實作的GAT模型的程式碼,就想說下載下來自己跑跑看,這篇文章:Understand Graph Attention Network。途中遇到問題,把找到的解法記錄下來,給也有一樣問題的朋友參考。



正文

在Colab直接使用:

!pip​ install dgl

會出現下面錯誤:

FileNotFoundError: Cannot find DGL C++ graphbolt library

參考網路上資訊:FileNotFoundError: Cannot find DGL C++ graphbolt library at ...,將torch降版至2.1.0,會出現另一個錯誤:

ModuleNotFoundError: No module named 'torch.utils._import_utils'

這個錯誤在網路上能查到的資訊不多,讓我一度卡關。後來直接搜尋"如何在Colab安裝及引用DGL",看到這篇文章:dgl torch incompatability error: Cannot load Graphbolt C++ library,依照文章下面的建議這麼做:

!pip install torch==2.3.0
!pip install dgl -f https://data.dgl.ai/wheels/torch-2.3/repo.html

import os

os.environ['DGLBACKEND'] = "pytorch"

就可以順利地安裝和引用DGL了。



參考



小結

覺得自己對很多東西還不是很清楚,例如:pip、cuda、conda、GNN等,所以要:繼續趕路,繼續留腳印(XD),哈哈,週末愉快!



avatar-img
柴郡貓姍蒂的沙龍
48會員
25內容數
留言
avatar-img
留言分享你的想法!
柴郡貓姍蒂的沙龍 的其他內容
前言 最近在研究時間序列的預測,除了上課,也有在Medium上看文章,學到一些知識,除了自己做筆記記錄,也分享給大家。本篇筆記為翻譯統整:Neural Network (MLP) for Time Series Forecasting in Practice—Daniel J. TOTH,這篇Me
前言 跟上一篇文章一樣,都是看到陌生的演算法後,去搜尋資料記錄成文章。 正文 在強化式學習中,策略(Policy)指的是代理人根據目前的狀態決定下一個動作的方針,具體來說就是在某個狀態下採取某個動作的機率。Policy Gradient的目的是找到一個最優策略,使得整個任務的回報值最大化。
前言 在閱讀《強化式學習:打造最強 AlphaZero 通用演算法》一書時,對一些沒有聽過的演算法感到陌生,基於打基礎或是增廣見聞的念頭下,上網或問ChatGPT,搜尋了一些資料,整理並紀錄而成這篇文章。 正文 下面說的兩種選擇策略方法用來解決類似多臂拉霸機(Multi-Armed Ban
前言 最近在研究時間序列的預測,除了上課,也有在Medium上看文章,學到一些知識,除了自己做筆記記錄,也分享給大家。本篇筆記為翻譯統整:Neural Network (MLP) for Time Series Forecasting in Practice—Daniel J. TOTH,這篇Me
前言 跟上一篇文章一樣,都是看到陌生的演算法後,去搜尋資料記錄成文章。 正文 在強化式學習中,策略(Policy)指的是代理人根據目前的狀態決定下一個動作的方針,具體來說就是在某個狀態下採取某個動作的機率。Policy Gradient的目的是找到一個最優策略,使得整個任務的回報值最大化。
前言 在閱讀《強化式學習:打造最強 AlphaZero 通用演算法》一書時,對一些沒有聽過的演算法感到陌生,基於打基礎或是增廣見聞的念頭下,上網或問ChatGPT,搜尋了一些資料,整理並紀錄而成這篇文章。 正文 下面說的兩種選擇策略方法用來解決類似多臂拉霸機(Multi-Armed Ban