Win10 下安装PyTorch 1.2 (GPU)和PyTorch-geometric (PyG)的记录

1. 需要先安装Visual Studio 2017，并且选好 C++/CLI support和VC++ 2015.3 v14.00(v140) toolset for Desktop两个在visual C+++ build tools下面的包

2. 第二步是重新安装CUDA，这一步要使得nvcc可以在命令行中调用。后面会用来编译torch-scatter/torch-cluster/torch-sparse。

3. 第三步是新建一个Anaconda 管理的Python环境，安装PyTorch 1.2和cudatoolkit，命令是conda install PyTorch=1.2 cudatoolkit=10.0 torchvision -c pytorch。这里需要注意，最好让cudatoolkit的版本和第二步安装的CUDA的版本是 相同 。

   1. 在tensorflow的版本中，一般可以省略第二步，不需要必须安装CUDA，在anaconda 中安装cudatoolkit就好。

4. 第四步是pip install --verbose，分别以下几个package:

    1. torch-scatter
    2. torch-cluster
    3. torch-sparse
   

   这几个包都需要nvcc编译，每个包在编译过程中都有多个.cu文件，安装过程中的错误可能来自：

   1. cl.exe的路径选择不对，在系统环境变量PATH中，是添加了D:\Program Files (x86)\VisualStudio\VC\Tools\MSVC\14.16.27023\bin\Hostx64\x64，一般在命令行中输入cl会有输出。不要选择arm64和x86版本。同时要把14.16.27023\bin\下的Hostx86等文件夹删掉，不然在我编译torch-sparse的过程中，在PATH配置正确的情况下，竟然还有调用Hostx86下的cl.exe。
   2. 没有调用--verbose选项，直接pip install torch-scatter，或者直接安装了没有正确编译的whl缓存，需要注意一下安装过程的输出信息，如果有出现install cache ..../..../.../torch-scatter.whl的情况，那么还得把whl缓存删掉。

5. 第五步是pip install --verbose，分别是以下几个package:

    1. plyfile
    2. rdflib
   

6. 还有其他几个安装包依赖，可以参考pytorch-geometric的setup.py，比如networkx、h5py、pandas和scikit-learn。

7. pip install --verbose torch-geometric

8. 在Github的PyTorch主页的issue中，可以从Problem when installing torch-scatter (Windows 10)中找到一些启发。不过，能安装成功，还得自己多次尝试，不要轻易放弃，纸上得来终觉浅，绝知此事要躬行。