Win10 下安裝PyTorch 1.2 (GPU)和PyTorch-geometric (PyG)的記錄

1. 需要先安裝Visual Studio 2017，並且選好 C++/CLI support和VC++ 2015.3 v14.00(v140) toolset for Desktop兩個在visual C+++ build tools下面的包

2. 第二步是重新安裝CUDA，這一步要使得nvcc可以在命令行中調用。后面會用來編譯torch-scatter/torch-cluster/torch-sparse。

3. 第三步是新建一個Anaconda 管理的Python環境，安裝PyTorch 1.2和cudatoolkit，命令是conda install PyTorch=1.2 cudatoolkit=10.0 torchvision -c pytorch。這里需要注意，最好讓cudatoolkit的版本和第二步安裝的CUDA的版本是 相同 。

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

4. 第四步是pip install --verbose，分別以下幾個package:

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

   這幾個包都需要nvcc編譯，每個包在編譯過程中都有多個.cu文件，安裝過程中的錯誤可能來自：

   1. cl.exe的路徑選擇不對，在系統環境變量PATH中，是添加了D:\Program Files (x86)\VisualStudio\VC\Tools\MSVC\14.16.27023\bin\Hostx64\x64，一般在命令行中輸入cl會有輸出。不要選擇arm64和x86版本。同時要把14.16.27023\bin\下的Hostx86等文件夾刪掉，不然在我編譯torch-sparse的過程中，在PATH配置正確的情況下，竟然還有調用Hostx86下的cl.exe。
   2. 沒有調用--verbose選項，直接pip install torch-scatter，或者直接安裝了沒有正確編譯的whl緩存，需要注意一下安裝過程的輸出信息，如果有出現install cache ..../..../.../torch-scatter.whl的情況，那么還得把whl緩存刪掉。

5. 第五步是pip install --verbose，分別是以下幾個package:

    1. plyfile
    2. rdflib
   

6. 還有其他幾個安裝包依賴，可以參考pytorch-geometric的setup.py，比如networkx、h5py、pandas和scikit-learn。

7. pip install --verbose torch-geometric

8. 在Github的PyTorch主頁的issue中，可以從Problem when installing torch-scatter (Windows 10)中找到一些啟發。不過，能安裝成功，還得自己多次嘗試，不要輕易放棄，紙上得來終覺淺，絕知此事要躬行。