1. 安装正确版本的torch

原理：
GPU：显卡，硬件，执行绘图运算的微处理器
显卡驱动：显卡如果没有安装驱动什么也干不了
CUDA：Nvidia推出的一种计算架构，提供了高效利用GPU并行计算的代码书写规范；有两种API，一种是随显卡驱动安装的driver API，一种是随CUDA Toolkit安装的runtime API(两者版本不需要一致)
CUDA Toolkit：NVIDIA官方发行，包含CUDA的runtime API，CUDA代码编译器nvcc和debug工具等
cuDNN：经GPU加速的深度神经网络基元库，可大幅优化标准例程，可以理解为CUDA的拓展和加速模块
PyTorch：进一步封装 .to(device)
cudatoolkit：PyTorch提供，已编译、支持pytorch运行的CUDA部件（动态链接库DLL等）

注：CUDA Toolkit与cudatoolkit在安装时都必须选择与显卡型号和驱动版本适配的版本。
注：运行PyTorch时，通过cudatoolkit调用CUDA；仅当需要编译依赖CUDA的torch拓展模块时需要调用CUDA Toolkit；CUDA Toolkit和cudatoolkit二者版本不需要一致；与PyTorch不同，TensorFlow运行必须依赖CUDA Toolkit等
注：CUDA Toolkit需要专门安装cuDNN；而cudatoolkit中已经包含cuDNN

参考来源：

https://b23.tv/6CyZ27F (有关cuda编程的解释)
https://blog.csdn.net/qq_39929304/article/details/114264400

实践：
（假设服务器上已经安装好了显卡驱动+CUDA Toolkit+cuDNN配置和Anaconda配置）

第一步，查看python版本
命令行输入：

python -V

第二步，查看服务器的CUDA Toolkit版本
（尽量与之保存一致，原理见上）
命令行输入：

1 2	cd /usr/local ll -h

第三步，安装pytorch
新建或激活conda环境

1 2	conda create --name your_env_name conda activate your_env_name

在PyTorch官网查看cudatoolkit版本适应的Pytorch版本，例如，我需要用pip在Linux系统中安装一个适应cudatoolkit==11.3的Pytorch版本，查找https://pytorch.org/get-started/previous-versions/ 得到：

1	pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

2. 使用Tmux在后台运行程序

原理：
窗口window：终端窗口，可以输入命令
会话session：用户与计算机的一次临时交互
会话和窗口默认是绑定的，当手动关闭窗口或者ssh连接服务器网络忽然断了，会话随之就会终止。Tmux的作用是将会话与窗口解绑定。

参考来源：

https://www.ruanyifeng.com/blog/2019/10/tmux.html

实践：
会话管理：
第一步，新建会话，默认会话ID为0、1、2、3…也可以给会话起名字：

1	tmux new -s <session-name>

第二步，分离会话，将会话与当前窗口进行分离。在Tmux窗口中运行起程序后，按下Ctrl+b d或者输入tmux detach命令：

1	tmux detach

执行后会退出当前 Tmux 窗口，但是后台会继续运行会话和其中的进程。

第三步，查看会话：

1
2
3

tmux ls
# or
tmux list-session

第四步，杀死会话，使用会话ID或者会话名

1
2
3

$ tmux kill-session -t 0
# or
$ tmux kill-session -t <session-name>

3. 报错处理

更改环境保存路径

比如说，root路径存储满了…怎么办？
找到.condarc文件

1 2	envs_dirs: - /your_dir_name/ #新的环境保存位置

“Python setup.py bdist_wheel did not run successfully”

在安装torch_geometric的时候遇到的，原因是pyg这个库对cuda有较强的依赖。参考官网：https://pytorch-geometric.readthedocs.io/en/latest/
如果pytorch版本低于1.13.*，第一步是安装相关的依赖库，针对pytorch==1.13.1+cu113，安装pyg_lib torch-scatter torch-sparse torch-cluster torch-spline-conv torch-geometric等库的命令如下：

pip install pyg_lib torch_scatter==2.1.0+pt112cu113 torch_sparse==0.6.15+pt112cu113 torch-cluster==1.6.0+pt112cu113 torch_spline_conv==1.2.1+pt112cu113 -f https://data.pyg.org/whl/torch-1.12.1%2Bcu113.html

其中，pip install -f参数的作用是，一般pip install会从PyPI下载安装需要的软件包。然而，有时候可能会遇到PyPI上的软件包无法访问或下载速度很慢，某些软件包可能需要从其他来源安装等问题。在这些情况下，可以使用-f参数来指定一个附加的软件包源，告诉pip在PyPI源之外搜索软件包，并尝试从指定的源中下载和安装软件包。
第二步，安装torch-geometric：