九（可跳）、创建python虚拟环境的过程和命令与下面的文章是相同的，可直接参考借鉴下面的文章内容进行操作。
参考文章：点击打开《基于Windows下Anaconda创建python虚拟环境教程》文章
十、接下来用一个github项目举例配置对应Requirements的环境，首先输入下面的命令查询远程服务器Cuda的版本，然后博主的远程服务器上Cuda版本是10.1。
nvidia-smi
十一、依次输入下面的命令创建一个新的python虚拟环境，博主举例虚拟环境名称是PASOGB，python版本是设置为3.7。
conda create -n PASOGB python=3.7
yes
十二、复制下面命令激活上一步创建的虚拟环境，为后续配置项目运行虚拟环境做准备。
conda activate PASOGB
十三、打开网页选择下载对应的Pytorch版本，cu101指的是Cuda的版本号，因为博主的远程服务器端是10.1所以选择101，如果你的Cuda版本是10.2可以选择102，因为上面项目Requirements要求Pytorch版本是1.8.0，所以选择torch为1.8.0，然后因为虚拟环境的python版本是3.7，所以选择cp37m。下载到本地后再上传到远程服务器。
Pytorch各版本下载网页：点击打开链接
十四、复制下面的命令按照项目Requirements要求在之前的虚拟环境中安装Pytorch。
pip install torch-1.8.0+cu101-cp37-cp37m-linux_x86_64.whl
十五、安装pytorch-geometric，点击打开下面的链接，然后寻找点击虚拟环境对应的pytorch-geometric，因为虚拟环境的pytorch版本是1.8.0，Cuda版本是10.1，所以选择下面图片中的内容。
pytorch-geometric各版本下载网页：点击打开链接
十六、然后下载下面图片中红色框的四个文件到本地，然后上传到自己的远程服务器。
十七、复制下面命令安装pytorch-geometric，因为按照项目Requirements要求torch-geometric==2.0.1，所以命令中设定了pytorch-geometric的版本。注意：下载安装需要一定时间，需要耐心等候。也可以换一种安装方式，参考此篇文章第五大部分。
pip install torch_sparse-0.6.12-cp37-cp37m-linux_x86_64.whl
pip install torch_spline_conv-1.2.1-cp37-cp37m-linux_x86_64.whl
pip install torch_cluster-1.5.9-cp37-cp37m-linux_x86_64.whl
pip install torch_scatter-2.0.7-cp37-cp37m-linux_x86_64.whl
pip install torch-geometric==2.0.1
十八、项目Requirements剩余的要求可以本地新建一个requirements.txt文本文件，然后将剩余要求复制到文本中去，然后上传到远程服务器。然后复制下面命令运行在虚拟环境中进行对应库的安装。
pip install -r requirements.txt
