2. 环境搭建与依赖安装

本章将搭建 GraphSAGE 实时欺诈评分接口的完整开发环境。我们将依次完成 Python 虚拟环境创建、图神经网络框架安装、Web 服务框架安装以及辅助工具库的配置。正确的环境隔离与版本匹配是后续开发稳定运行的基础。

2.1 Python 虚拟环境创建

使用 conda 创建独立虚拟环境，避免与系统 Python 或其他项目产生依赖冲突。

# 创建 Python 3.10 虚拟环境
conda create -n graphsage_fraud python=3.10 -y

# 激活环境
conda activate graphsage_fraud

# 验证 Python 版本
python --version
# 输出应为：Python 3.10.x

2.2 PyTorch 安装

PyTorch 是 PyG 和 DGL 的底层计算引擎。根据 CUDA 版本选择对应安装命令。

# 验证 PyTorch 安装
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"
# 输出示例：2.1.0+cu118 / True

2.3 PyTorch Geometric (PyG) 安装

PyG 提供了丰富的图神经网络层与数据加载工具，是构建 GraphSAGE 模型的核心库。

# 安装 PyG 核心库
pip install torch_geometric==2.4.0

# 安装 PyG 依赖的图计算扩展
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.1.0+cu118.html

# 验证 PyG 安装
python -c "import torch_geometric; print(torch_geometric.__version__)"
# 输出示例：2.4.0

2.4 DGL 安装

DGL（Deep Graph Library）是另一个主流的图神经网络框架，本教程将 DGL 作为 GraphSAGE 的备选后端，用于对比实验与性能测试。

# CUDA 11.8 版本
pip install dgl==1.1.3+cu118 -f https://data.dgl.ai/wheels/cu118/repo.html

# CPU 版本
pip install dgl==1.1.3 -f https://data.dgl.ai/wheels/repo.html

# 验证 DGL 安装
python -c "import dgl; print(dgl.__version__)"
# 输出示例：1.1.3

2.5 FastAPI 与 Uvicorn 安装

FastAPI 负责构建 RESTful API 接口，Uvicorn 作为 ASGI 服务器提供高性能并发能力。

# 安装 FastAPI 与 Uvicorn
pip install fastapi==0.104.1 uvicorn==0.24.0

# 安装 Pydantic（FastAPI 依赖的数据校验库）
pip install pydantic==2.5.2

# 验证安装
python -c "import fastapi; print(fastapi.__version__)"
python -c "import uvicorn; print(uvicorn.__version__)"
# 输出示例：0.104.1 / 0.24.0

2.6 其他依赖库安装

以下工具库在数据预处理、模型评估、日志记录等环节中必不可少。

# 一键安装所有辅助库
pip install numpy==1.24.3 pandas==2.0.3 scikit-learn==1.3.0 networkx==3.1 matplotlib==3.7.2 loguru==0.7.2 joblib==1.3.2

2.7 环境验证脚本

执行以下完整脚本，一键验证所有依赖是否安装正确：

# verify_env.py
import sys
import torch
import torch_geometric
import dgl
import fastapi
import uvicorn
import numpy as np
import pandas as pd
import sklearn
import networkx as nx
import matplotlib
import loguru
import joblib

print("=" * 50)
print("环境验证报告")
print("=" * 50)
print(f"Python 版本: {sys.version}")
print(f"PyTorch 版本: {torch.__version__}, CUDA 可用: {torch.cuda.is_available()}")
print(f"PyG 版本: {torch_geometric.__version__}")
print(f"DGL 版本: {dgl.__version__}")
print(f"FastAPI 版本: {fastapi.__version__}")
print(f"Uvicorn 版本: {uvicorn.__version__}")
print(f"NumPy 版本: {np.__version__}")
print(f"Pandas 版本: {pd.__version__}")
print(f"Scikit-learn 版本: {sklearn.__version__}")
print(f"NetworkX 版本: {nx.__version__}")
print(f"Matplotlib 版本: {matplotlib.__version__}")
print(f"Loguru 版本: {loguru.__version__}")
print(f"Joblib 版本: {joblib.__version__}")
print("=" * 50)
print("所有依赖安装完成！")
print("=" * 50)

# 运行验证脚本
python verify_env.py

2.8 常见问题与解决方案