PyTorch 版本大于 2.5 后 PyG 的 conda 通道不再可用，如何改用 pip 安装？

PyTorch 版本大于 2.5 后 PyG 的 conda 通道不再可用，如何改用 pip 安装？

【免费下载链接】pytorch_geometricGraph Neural Network Library for PyTorch项目地址: https://gitcode.com/GitHub_Trending/py/pytorch_geometric

如果你的环境里 PyTorch 版本已经超过 2.5，那么按旧文档执行conda install pyg -c pyg会失败或装不到对应包——官方安装文档明确警告：Conda packages are no longer available since PyTorch >2.5.0. Please use pip instead.（自 PyTorch 大于 2.5.0 起，Conda 包不再提供，请改用 pip）。官网的 Quick Start 交互面板里，只要选中 Conda 选项，同样只显示这一条提示而不是安装命令。

本文的任务是：在 PyTorch 大于 2.5 的环境下，把 PyG（PyTorch Geometric，Graph Neural Network Library for PyTorch）的安装方式从 conda 切换到 pip，并确认安装结果可用。前提条件与文档一致：PyG 支持 Python 3.10 到 Python 3.14；官方不建议在系统 Python 下以 root 用户安装，建议先建立虚拟环境（如venv、Anaconda/Miniconda 虚拟环境或 Docker 镜像）。

先确认环境里的 PyTorch 与 CUDA 版本

切换安装方式前，先弄清楚当前环境实际是哪一个 PyTorch 和 CUDA 组合，后面的扩展包安装命令要按这个组合来选。运行文档给出的两条检查命令：

python -c "import torch; print(torch.__version__)" python -c "import torch; print(torch.version.cuda)"

文档示例输出为2.12.0与12.8，实际值以你的环境为准。第一条用于确认 PyTorch 是否已安装及具体版本，第二条用于确认该 PyTorch 是基于哪个 CUDA 构建的（CPU 版会输出None）。

用 pip 安装 PyG 主包

从 PyG 2.3 起，除 PyTorch 外不需要任何外部库即可安装使用 PyG，只需：

pip install torch_geometric

如果你之前用 conda 装过旧版 PyG，建议在新的 pip 环境/虚拟环境中执行，避免 conda 与 pip 两套包混在同一环境里。

可选：按版本组合安装 pyg_lib、torch_scatter、torch_sparse

官方文档说明：pyg-lib（异构图 GNN 算子、图采样与聚类例程、SplineConv支持）、torch-scatter（加速的稀疏归约）、torch-sparse（SparseTensor支持）对基本使用是完全可选的依赖；文档建议先做最小安装，用到时再装。另外torch-cluster与torch-spline-conv不再需要单独安装，其功能已并入pyg-lib>=0.6.0。

如需安装这三个扩展包，用官方 wheels 页面，命令中${TORCH}与${CUDA}需按上一步查到的版本替换：

pip install pyg_lib torch_scatter torch_sparse -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html

${TORCH}与${CUDA}的取值按 PyTorch 大版本选择（节选，2.5 及以上，完整列表见 安装文档）：

例如 PyTorch 2.10.* + CUDA 12.8 环境，对应命令为：

pip install pyg_lib torch_scatter torch_sparse -f https://data.pyg.org/whl/torch-2.10.0+cu128.html

注意：

• ${CUDA}必须与第一条检查命令查到的torch.version.cuda一致，否则会出现后文 FAQ 中的符号错误。
• 文档同时提供了 PyTorch 1.4.0 至 2.8.0 旧版本的 wheels（同一流程）；旧版本可能需要显式指定最新支持的版本号，或使用pip install --no-index防止 pip 转而从源码编译安装。
• ROCm 环境不在上述 wheels 范围内，文档指向外部pyg-rocm-build仓库获取 wheels 与安装说明。

安装后如何判断与排查

文档给出的验证与排查点集中在 FAQ 中：

1. undefined symbol: **make_function_schema：说明安装了扩展包，但存在版本冲突，文档列出两种可能——(1) 已安装的 PyTorch 版本与安装命令中指定的${TORCH}版本不一致；(2) PyTorch 的 CUDA 版本与${CUDA}不一致。按文档处理：

   python -c "import torch; print(torch.__version__)" python -c "import torch; print(torch.version.cuda)" nvcc --version

   核对后重装，并用pip --force-reinstall --no-cache-dir规避缓存问题；安装过程可加pip --verbose跟踪问题。若仍失败，按文档改走源码安装路径（文档中给出了为 CUDA 配置$PATH/$CPATH/$LD_LIBRARY_PATH并执行pip install --verbose git+...的完整步骤）。

2. 假成功：文档指出极少数情况下 CUDA 或 Python 路径问题会导致pip报告安装成功、但运行程序时直接崩溃于Segmentation fault (core dumped)；此时先按文档核对 CUDA 配置。

边界说明

• conda install pyg -c pyg这条路仅适用于PyTorch ≤ 2.5.0的环境（当时可按主要操作系统与 CUDA 组合安装，并可用conda install pyg=*=*cu* -c pyg强制指定 CUDA 版本）；PyTorch 大于 2.5 时该通道不再有包，不要继续依赖它。
• 安装文档位于 docs/source/install/installation.rst，安装总览也可参见 README.md 的 Installation 一节；Quick Start 页面源码 docs/source/install/quick-start.html 中保留了"Conda 不可用"提示与 pip 命令的原始出处。

【免费下载链接】pytorch_geometricGraph Neural Network Library for PyTorch项目地址: https://gitcode.com/GitHub_Trending/py/pytorch_geometric