深度学习 简易环境安装(不含Anaconda)

在Windows上安装深度学习环境而不使用Anaconda,下面是一个基于pip的安装指南:

1. 安装Python

确保你已经安装了Python。可以从Python官网下载Python,并在安装时勾选"Add Python to PATH"选项。

注意,Python 不要安装最新版的,如3.13,会出现不兼容现象。

2. 安装pip

通常,Python会自带pip(包管理工具)。你可以在命令提示符中运行以下命令确认pip是否已安装:

复制代码
pip --version

3. 创建虚拟环境(可选)

为了保持项目的依赖整洁,可以创建一个虚拟环境:

  1. 打开命令提示符。

  2. 安装virtualenv(如果未安装):

    pip install virtualenv

3.创建一个新的虚拟环境(以myenv为例):

复制代码
virtualenv myenv

4.激活虚拟环境:

复制代码
myenv\Scripts\activate

4. 安装深度学习框架

根据你的需求,安装TensorFlow或PyTorch。

安装TensorFlow

在命令提示符中,输入以下命令安装TensorFlow:

复制代码
pip install tensorflow
安装PyTorch

访问PyTorch官网以获取适合你的系统和配置的安装命令。通常,安装命令如下(不要在命令行运行下面的指令,要到官网上选择配置复制相应下载指令,下载时间较长):

复制代码
pip install torch torchvision torchaudio

5. 安装其他必要的库

根据需要安装其他常用库,如NumPy、Pandas、Matplotlib等:

复制代码
pip install numpy pandas matplotlib scikit-learn

6. 测试安装

在命令提示符中启动Python,测试安装是否成功:

复制代码
python

然后输入以下代码:

对于TensorFlow:

复制代码
import tensorflow as tf
print(tf.__version__)

对于PyTorch:

复制代码
import torch
print(torch.__version__)

7. 设置CUDA(可选)(注意,CUDA和cuDNN版本号需要一致,且分先后安装顺序)

在这之前,你需要安装NVIDIA显卡驱动。

如果你有NVIDIA显卡并希望使用GPU加速,需要安装CUDA和cuDNN:

  1. 安装CUDA:

  2. 安装cuDNN:

    • 前往 cuDNN下载页面 下载cuDNN。注意需要注册一个NVIDIA开发者账户。
    • 解压下载的cuDNN文件,并将其内容复制到CUDA安装目录中。
  3. 设置环境变量:确保将CUDA和cuDNN的bin目录添加到系统的PATH环境变量中。

相关推荐
Be for thing1 小时前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习
十有八七1 小时前
手搓 Agent(一):先有大脑——大模型只会做一件事
前端·人工智能·后端
锋行天下1 小时前
「踩坑实录」给 LangGraph Agent 接两个 FastMCP,我被 langchain 偷偷改了工具名
前端·人工智能·后端
阿里云大数据AI技术1 小时前
穹彻智能 × MaxCompute:具身智能 UMI 数据产线的全模态计算实践
人工智能
联犀1 小时前
ai时代复杂项目的golang项目如何更好的与ai共舞:monorepo+gozero
开发语言·人工智能·golang
飞Link1 小时前
灵巧手是什么?从机械结构、驱动方式到控制原理,认识机器人的精细操作能力
人工智能·python·机器人
阿里云大数据AI技术1 小时前
从“扫文件”到“找数据行”:EMR Serverless StarRocks 支持 Paimon Global Index
人工智能
武子康2 小时前
AI通关了,游戏就算通过测试了吗?
人工智能·游戏·机器学习
Seiran2 小时前
CPU 突然打满,罪魁祸首是条用了三年的正则
人工智能
mechanical_expert2 小时前
以SILVERTHIN SC047CP0为例计算等截面薄壁轴承摩擦损耗和启动扭矩
人工智能·机器人