百度官网认证温州seo教程

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：

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）： 

virtualenv myenv

 4.激活虚拟环境：

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：

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）：

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：

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：

python

然后输入以下代码：

对于TensorFlow：

import tensorflow as tf
print(tf.__version__)

对于PyTorch： 

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：

   • 前往 NVIDIA CUDA Toolkit 下载适合你系统的CUDA版本。

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。