注：该方法只适用cuda10.2版本的服务器

1. 创建虚拟环境: conda create -n gcc python=3.7

2. 激活虚拟环境: conda activate gcc

3. 配置dgl(0.5 > DGL ≥ 0.4.3): conda install -c dglteam dgl-cuda10.2==0.4.3post2 该命令安装的是cuda10.2 py3.7 dgl-0.4.3，其他版本请查询https://conda.anaconda.org/dglteam/linux-64

4. 安装torch: pip install torch==1.5.1 torchvision==0.6.1

5. clone gcc: git clone https://github.com/THUDM/GCC.git

6. 额外配置gcc所需环境: pip install -r requirements.txt

7. 安装RDKit: conda install -c conda-forge rdkit=2019.09.2 (解析时间可能会比较久，请耐心等待)

如果你的服务器cuda版本高于11，配置环境则会麻烦一些，因为dgl适配的版本只有>=0.5.3

1. 创建虚拟环境: conda create -n gcc python=3.7

2. 激活虚拟环境: conda activate gcc

3. 在conda虚拟环境中安装cuda和cudnn: conda install cudatoolkit=10.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/ 和 conda install cudnn

4. 配置dgl: conda install -c dglteam dgl-cuda10.2==0.4.3post2

5. 安装torch: pip install torch==1.5.1 torchvision==0.6.1

6. clone gcc: git clone https://github.com/THUDM/GCC.git

7. 额外配置gcc所需环境: pip install -r requirements.txt

8. 安装RDKit: conda install -c conda-forge rdkit=2019.09.2 (解析时间可能会比较久，请耐心等待)

这个时候运行程序会出现"ModuleNotFoundError: No module named 'dgl.nodeflow'". 解决办法参考dmlc/dgl#3083

• 预训练数据集：https://drive.google.com/u/0/uc?id=1JCHm39rf7HAJSp-1755wa32ToHCn2Twz&export=download
• 预训练模型权重：链接：https://pan.zju.edu.cn/share/5fee634c7e5a5ffcad9eddd153， 服务器上通过wget https://osspandownload.zju.edu.cn/download/2f0c510611bf40d4b7ad77ba90a1b171/dee1bd9a175d4594ec0946557485f31b3df091bcfe970f1d0d681b45e3ce5db7/pretrained.tar.gz下载到项目的saved目录下，然后解压文件tar zxvf pretrained.tar.gz
• 下游任务数据集：

GitHub代理：https://ghproxy.com/ ，如果clone项目时间过久可以使用该代理。使用方法git clone https://ghproxy.com/XXX

• dmlc/dgl#1826
• https://zhuanlan.zhihu.com/p/367740437
• dmlc/dgl#3083