首先需要确定下自己的硬件，在terminal中输入指令
uname -a
返回结果
aarch64
接着判断当前环境的python版本，在terminal中输入指令
python --version
返回结果
Python 3.10.14
可以判断需要安装aarch64的版本，如果使用whl包安装dgl，以该链接（data.dgl.ai/wheels/cu118/repo.html）为例，需要安装指定Python3.10-aarch64版本的包
比较便捷的方式是直接通过pip来安装，指令如下
pip install dgl
注意安装完成后，terminal显示成功安装的dgl版本以及对应的配套安装的其他包的版本，信息如下
Successfully installed dgl-2.1.0 sympy-1.13.1 torch-2.5.1 torchdata-0.10.1
接下来先简单导入下dgl看是否安装成功，终端执行指令如下
python -c "import dgl"
发现报错信息如下
按住Ctrl健点击traceback信息，可以检查安装路径下的python文件，经检查发现，pip install自动安装的配套torchdata的版本为0.10.1，但是该版本做了改动，已经没有了datapipes属性，由此可以推断需要改动torchdata的版本。经尝试，当dgl版本为2.1时，对应的0.7.1版本的torchdata满足要求，终端执行指令如下
pip install torchdata==0.7.1
安装成功后，再次尝试导入dgl
python -c "import dgl"
新的报错信息如下
按照指示安装缺失的包
pip install pydantic
安装成功后，再次尝试导入dgl
python -c "import dgl"
根据如下报错信息，推断在NPU芯片上，torch2.5.1与dgl2.1版本无法正常导入，并且注意的是，因为是在昇腾上运行，所以在安装torch时需要考虑到能否充分调动NPU算力，因此应当优先考虑torch_npu组件能覆盖的torch版本 pytorch: Ascend Extension for PyTorch (gitee.com)
接下来重新装torch，需要先确定CANN版本（在笔者机器上装的是CANN 8.0.RC2），并根据对照关系安装
版本对照关系
由此可知，应安装pytorch与torch_npu组件的版本与指令如下
pip3 install torch==2.1.0 pip3 install torch-npu==2.1.0.post6
安装成功后，再次尝试导入dgl，发现能成功导入
导入dgl包成功
接下来，基于导入的dgl包进行一个简单的模型训练验证，将在下文中记载。
