Colab中Pytorch Geometric Temporal安装提速及CPU环境报错咨询

一、加快依赖安装速度的方法 #

• 用预编译轮子替代源码编译：这是安装耗时的核心原因。先查看当前Colab的PyTorch和CUDA版本：

  !nvcc --version
  import torch; print(torch.__version__)
  

  然后使用对应版本的预编译包链接直接安装，比如PyTorch 2.0+、CUDA 11.8的场景：

  !pip install torch_geometric torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.0+cu118.html
  

  直接下载编译好的包，跳过源码编译步骤，速度会大幅提升。
• 切换高性能运行时：在Colab的「运行时」->「更改运行时类型」中选择高RAM或高性能实例，提升网络下载效率。
• 复用缓存依赖：如果频繁使用该环境，可将安装好的依赖目录挂载到Google Drive，下次直接调用，避免重复安装。
• 精简安装清单：检查安装单元格的命令，移除不必要的工具包或示例数据，只保留PyTorch Geometric Temporal的核心依赖。

二、CPU实例下ModuleNotFoundError的解决办法 #

• 安装CPU专属版本的依赖：GPU实例的安装命令默认拉取CUDA版本轮子，CPU实例需指定CPU版链接。比如PyTorch 2.0+的CPU版本：

  !pip install torch_geometric torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.0+cpu.html
  

• 验证torch_geometric版本：torch_geometric.utils.to_dense_adj是较新的API，旧版本不支持。执行以下命令查看版本，确保安装的是>=2.0.0的稳定版：

  import torch_geometric; print(torch_geometric.__version__)
  

• 彻底重装验证：先卸载现有包：

  !pip uninstall -y torch_geometric torch_scatter torch_sparse torch_cluster torch_spline_conv
  

  再用CPU专属命令重新安装，完成后执行from torch_geometric.utils import to_dense_adj确认是否能正常导入。

内容的提问来源于stack exchange，提问作者Pietro Lodi Rizzini