---
title: DiffDock CUDA 12.8 环境安装记录
date: 2026-05-16
tags: [DiffDock, CUDA, Python, 分子对接]
collections: [软件安装]
summary: 记录 DiffDock CUDA 12.8 环境的源码获取、依赖安装、PyG 扩展编译和推理测试流程。
draft: false
featured: false
---

# DiffDock CUDA 12.8 环境安装记录

本文记录一次 DiffDock CUDA 12.8 版本的安装过程。实际执行时按自己的环境修改源码仓库、工作目录和模型缓存路径即可。

## 准备源码

先准备工作目录，并从私有仓库拉取 CUDA 12.8 适配版本。

```bash
WORKDIR="/path/to/software/unpack"
DIFFDOCK_REPO="ssh://git@private-git-host:port/group/DiffDock_cu128.git"

cd "${WORKDIR}"
git clone "${DIFFDOCK_REPO}"
cd DiffDock_cu128
```

## 创建 Conda 环境

项目仓库中提供了 `environment.yml`，优先使用它创建环境。

```bash
mamba env create -f environment.yml
mamba activate diffdock
```

如果后续出现 `networkx` 版本不兼容，可按需固定版本。

```bash
python -m pip install networkx==2.8.4
```

## 安装 PyTorch 与 PyG 组件

原始安装记录使用了 CUDA 13.0 的 PyTorch/PyG wheel 源来安装部分组件。按当前环境保留如下命令，必要时根据实际 CUDA、PyTorch 版本替换 `cu130`、`torch==2.7.1+cu130` 和 PyG wheel 页面。

```bash
python -m pip install \
  --extra-index-url https://download.pytorch.org/whl/cu130 \
  --find-links https://data.pyg.org/whl/torch-2.7.0+cu130.html \
  torch==2.7.1+cu130 \
  pyg-lib \
  torch-cluster \
  torch-geometric==2.7.0 \
  torch-scatter \
  torch-sparse \
  e3nn==0.5.1 \
  fair-esm==2.0.0 \
  networkx==2.8.4 \
  pandas==1.5.1 \
  pybind11==2.11.1 \
  rdkit==2022.03.3 \
  scikit-learn==1.1.0 \
  "gradio==3.50.*" \
  requests
```

如果只需要补装 `torch-cluster`，可单独执行：

```bash
python -m pip install \
  --extra-index-url https://download.pytorch.org/whl/cu130 \
  --find-links https://data.pyg.org/whl/torch-2.7.0+cu130.html \
  torch-cluster
```

## 固定基础科学计算依赖

安装 PyG 扩展前，先固定 `numpy`、`scipy` 和 `biopython` 版本。

```bash
python -m pip install --force-reinstall numpy==1.26.4 scipy==1.12.0 biopython==1.76
```

## 本地编译 PyG 扩展

如果预编译 wheel 与运行环境不匹配，可以强制从源码重新编译安装相关扩展。

```bash
python -m pip install --force-reinstall --no-build-isolation --no-binary torch-scatter torch-scatter
python -m pip install --force-reinstall --no-build-isolation --no-binary torch-sparse torch-sparse
python -m pip install --force-reinstall --no-build-isolation --no-binary torch-cluster torch-cluster
python -m pip install --force-reinstall --no-build-isolation --no-binary torch-spline-conv torch-spline-conv
```

编译时如果缺少合适的 C++ 编译器，可安装 `gxx=12`。

```bash
mamba install gxx=12
```

## 安装 OpenFold 相关依赖

`dllogger` 和 `openfold` 来自私有 Git 仓库，按实际仓库地址安装即可。

```bash
python -m pip install "dllogger @ git+ssh://git@private-git-host:port/group/dllogger.git@master"
python -m pip install --no-build-isolation "openfold @ git+ssh://git@private-git-host:port/group/openfold.git@v2.2.0"
```

## 模型缓存

推理测试会用到 ESM2 模型文件。可将模型放在当前用户的 Torch Hub 缓存目录，或显式配置到项目支持的模型路径。

```text
~/.cache/torch/hub/checkpoints/esm2_t33_650M_UR50D-contact-regression.pt
~/.cache/torch/hub/checkpoints/esm2_t33_650M_UR50D.pt
```

## 推理测试

安装完成后，可以使用项目自带的示例 CSV 运行一次推理。

```bash
python inference.py \
  --config default_inference_args.yaml \
  --protein_ligand_csv data/protein_ligand_example.csv \
  --out_dir results/user_predictions_small
```

如果需要显式指定环境中的 Python，可按实际安装目录填写：

```bash
/path/to/miniforge/envs/diffdock/bin/python /path/to/DiffDock_cu128/inference.py \
  --config /path/to/DiffDock_cu128/default_inference_args.yaml \
  --protein_ligand_csv /path/to/DiffDock_cu128/data/protein_ligand_example.csv \
  --out_dir /path/to/DiffDock_cu128/results/user_predictions_small
```

## 检查要点

- `torch`、`torch-cluster`、`torch-scatter`、`torch-sparse` 的 CUDA 与 PyTorch ABI 需要一致。
- 从源码编译 PyG 扩展时，优先确认 `gxx`、CUDA Toolkit、PyTorch 版本是否匹配。