1. 如果你同时有dgl  dglcu-XX.XX 那么，应该只会运行dgl （DGL的CPU版本），因此，你需要把dgl(CPU)版本给卸载了

但是我只卸载CPU版本还不够，我GPU 版本的dglcu依旧不好使，因此吧GPU版本的也得卸载了重新安装

最新版的dgl我的cuda版本已经不配了，因此，找老的版本：Linux 64 :: Anaconda.org

我下载的是这个：Dgl Cuda11.3 :: Anaconda.org 

含义是 GPU版本的cuda版本为11.3，安装的命令行语句如下（记得关闭魔法梯子，否则会下载不成功）

然后运行demo发现torch也被卸载掉了，那就继续重装：

进入torch找老版本，我的cuda 版本11.4 ，这个版本比较特殊，直接看作11.3即可

因此，torch 可以下载 

建议使用pip版本的，因为conda版本的命令我试过，没下载成功，因为开不开魔法梯子我都无法在命令行访问到anaconda官网，离谱，，明明刚还用conda下载了dglcu

pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113

下载完成后再重新运行一下 ，运行下dgl的示例demo : 

import dgl
import torch as th
u, v = th.tensor([0, 1, 2]), th.tensor([2, 3, 4])
g = dgl.graph((u, v))
g.ndata['x'] = th.randn(5, 3)   # 原始特征在CPU上
print(g.device)
cuda_g = g.to('cuda:0')         # 接受来自后端框架的任何设备对象
cuda_g.device
cuda_g.ndata['x'].device        # 特征数据也拷贝到了GPU上
# 由GPU张量构造的图也在GPU上
u, v = u.to('cuda:0'), v.to('cuda:0')
g = dgl.graph((u, v))
print(g.device)

 然后就ok