环境搭建：把分子数据生态装进你的电脑
说实话，每门课的环境搭建都是最磨人的环节。
我当年做第一个分子图项目时，光装库就折腾了两天。不是版本冲突，就是踩了操作系统兼容的坑。
今天咱一步一步来，争取半小时内搞定。
为什么是这四位？
你想想看，分子数据要怎么喂给神经网络？
首先，分子不是固定长度的向量——每个分子原子个数不同、化学键连接方式不同。
这时候，DGL 负责把分子变成图结构：原子是节点，化学键是边。
而 RDKit 负责从 SMILES、SDF 等文件里读取分子，并算出各种化学特征。
PyTorch 提供深度学习引擎，DGL 其实是建立在它之上的图神经网络框架。
嗯，这样组合起来，才能把分子数据变成可训练的模型。
第一步：Python 环境
我个人习惯用 Anaconda 来管理 Python 环境。
为啥非要折腾个虚拟环境呢？
因为我曾经在项目里同时用 PyTorch 1.10 和 PyTorch 2.0——两个依赖版本不一样。
直接装在系统 Python 里，等着你的就是「ImportError: 符号找不到」。
创建一个干净的虚拟环境：
conda create -n molecular_net python=3.9
conda activate molecular_net验证 Python 版本：
python --version
# 输出应该类似：Python 3.9.18第二步：安装 PyTorch
PyTorch 的安装命令取决于你的 CUDA 版本（如果有 GPU）。
我最开始做分子图时一直用 CPU 跑——数据集规模小的时候，CPU 也扛得住。
不过当你处理几万个分子时，GPU 的优势就出来了。
先检查有没有 GPU：
nvidia-smi如果能看到 GPU 信息，记下右上角的 CUDA Version。比如 CUDA 11.8 或 12.1。
然后去 PyTorch 官网（但别点，按下面命令装）：
# CUDA 11.8（常见版本）
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu118
# 纯 CPU 版本
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cpu我踩过最大的坑就是明明装了 CUDA 11.8 的 PyTorch，结果 tensor 还在 CPU 上跑——浪费了一半算力。
验证一下：
python -c "import torch; print(torch.cuda.is_available())"
第三步：安装 DGL
DGL 是专门处理图数据的库。MolculeNet 的分子图数据加载器就是基于 DGL 写的。
安装命令同样要匹配你的 PyTorch 版本和 CUDA 版本。
我建议这样装：
# 如果是 CUDA 11.8 + PyTorch 2.1.x
pip install dgl -f https://data.dgl.ai/wheels/cu118/repo.html
# 如果是 CPU 版 PyTorch
pip install dgl -f https://data.dgl.ai/wheels/cpu/repo.html我以前随手用了
pip install dgl 默认版本，结果它依赖 PyTorch 1.12，但我装的是 2.0——直接报错「DGL requires PyTorch >= 1.12 and < 2.0」。所以每次安装前最好先看 DGL 官网 的版本对应表。
安装完成后，验证一下：
python -c "import dgl; print(dgl.__version__)"第四步：安装 RDKit
RDKit 是化学信息学的瑞士军刀。
它能读 SMILES、算分子指纹、生成 2D 结构图、计算描述符……几乎分子相关的所有操作都靠它。
我个人强烈建议用 Conda 装 RDKit，因为 pip 版经常缺一些 C++ 扩展模块。
conda install -c conda-forge rdkit如果你执意用 pip：
pip install rdkit-pypi但说实话，Conda 版更稳定。我曾经在 Mac 上 pip 装 RDKit，结果画分子图的功能死活跑不起来——折腾了两天，最后换 Conda 版秒解决。
验证安装：
python -c "from rdkit import Chem; mol = Chem.MolFromSmiles('CCO'); print(mol.GetNumAtoms())"如果输出 3（乙醇有 3 个重原子），恭喜你，装对了。
第五步：安装辅助工具（可选但推荐）
项目中你可能会用到这些：
pip install numpy pandas matplotlib scikit-learn jupyternumpy 和 pandas 负责数据整理；
matplotlib 画训练曲线；
scikit-learn 提供简单的评估指标（准确率、F1 等）；
Jupyter 嘛，用来边写边跑代码。
Jupyter 对分子可视化也很方便——你可以在 notebook 里直接用 RDKit 的
Draw.MolToImage() 看分子长得啥样。
全部安装完成后的一键验证脚本
把所有库放在一起跑一次，避免以后边用边发现某个库没装好：
import torch
import dgl
import rdkit
import numpy as np
import pandas as pd
print("PyTorch version:", torch.__version__)
print("DGL version:", dgl.__version__)
print("RDKit version:", rdkit.__version__)
print("NumPy version:", np.__version__)
print("Pandas version:", pd.__version__)
# 测试 GPU
if torch.cuda.is_available():
print("GPU available:", torch.cuda.get_device_name(0))
else:
print("Running on CPU (no GPU detected)")
# 测试 RDKit 基本功能
from rdkit import Chem
mol = Chem.MolFromSmiles("CCO") # 乙醇
print("乙醇原子数:", mol.GetNumAtoms())
# 测试 DGL 基本图形
import dgl
g = dgl.graph(([0, 1, 2], [1, 2, 0]))
print("DGL graph created with", g.num_nodes(), "nodes")
print("\n所有环境组件就绪 ✅")PyTorch version: 2.1.0+cu118
DGL version: 1.1.3
RDKit version: 2023.09.1
乙醇原子数: 3
DGL graph created with 3 nodes
所有环境组件就绪 ✅
常见踩坑与解决方案
| 问题现象 | 可能原因 | 解决办法 |
|---|---|---|
| ImportError: No module named 'dgl' | DGL 没装好或安装位置不对 | 确认激活了正确的 conda 环境，重新安装 dgl |
| RuntimeError: CUDA error: no kernel image is available for execution on the device | CUDA 版本与 PyTorch 不匹配 | 用 nvidia-smi 查看 CUDA 版本，重装对应 PyTorch |
| RDKit 报错: Boost.Python.ArgumentError | RDKit 版本与 Python 版本冲突 | 用 conda 重新安装 rdkit，不要用 pip |
| DGL 报错: DGL requires PyTorch >= 1.12 and < 2.0 | DGL 和 PyTorch 版本不对应 | 先卸载现有的 DGL，再装合适版本 |
千万别用
sudo pip install！我有个同事在服务器上 sudo 装了 PyTorch，结果系统 Python 被污染了，所有用户的环境都乱了——最后只能重装操作系统。用 conda 虚拟环境才是最安全的。
知识体系结构
下面是本章涉及的核心概念和依赖关系：
图中核心流程是：先创建虚拟环境，再依次装好 PyTorch、DGL、RDKit 和辅助库。
这些组件各司其职，最终汇合成分子图数据的处理能力。
嗯，装完上面这些，你的电脑已经做好了跟分子数据打交道的准备。