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
JavaEdge在掘金11 分钟前
Ollama平替!LM Studio本地大模型调用实战
人工智能·后端
孔令飞11 分钟前
Go 1.24 中的弱指针包 weak 使用介绍
人工智能·云原生·go
蒙特网站17 分钟前
从 “制造” 到 “品牌”:官网建设助力中国企业突围东南亚
人工智能·制造
九河云24 分钟前
中药企业数字化转型:从传统制造到智能制药的跨越
大数据·人工智能·科技·重构·制造
KuaFuAI28 分钟前
百度Create2025 AI开发者大会:模型与应用的未来已来
人工智能·百度
点云SLAM43 分钟前
点云配准算法之NDT算法原理详解
人工智能·算法·数学建模·点云配准算法·ndt配准算法·概率模型配准算法
AI蜗牛车1 小时前
【LLM+Code】Cursor Agent 46.11 版本Prompt&Tools最细致解读
人工智能·算法·语言模型
悲喜自渡7211 小时前
Pytorch(无CPU搭建)+Jupyter
人工智能·pytorch·jupyter
ARM2NCWU1 小时前
关联具体场景(如AI、智慧城市),强调部署效率
服务器·人工智能·智慧城市
塔能物联运维2 小时前
解析塔能科技:绿色低碳智慧节能一站式破局之匙
大数据·人工智能·物联网