add requirements.txt

README.md

@@ -14,6 +14,33 @@ sklearn
 
 transformers 4.8.1
 
+## 安装指南
+
+### 快速安装（推荐）
+
+#### Windows
+
+```powershell
+# CPU 版本
+.\scripts\install.ps1 -device cpu
+
+# GPU 版本（CUDA 11.1）
+.\scripts\install.ps1 -device gpu -cuda_version 111
+```
+
+#### Linux / macOS
+
+```bash
+# CPU 版本
+bash scripts/install.sh cpu
+
+# GPU 版本（CUDA 11.1）
+bash scripts/install.sh gpu 111
+```
+
+**⚠️ GPU 用户**: 运行 `nvidia-smi` 查看 CUDA 版本后选择对应脚本参数  
+**💡 详细说明**: 查看 [scripts/README.md](scripts/README.md)
+
 ## 中文数据集
 
 从 THUCNews 中随机抽取20万条新闻标题，一共有10个类别：财经、房产、股票、教育、科技、社会、时政、体育、游戏、娱乐，每类2万条标题数据。数据集按如下划分：

requirements.txt

@@ -0,0 +1,11 @@
+# Core ML libraries
+transformers==4.8.1
+tokenizers==0.10.3
+
+# Numeric / utils
+numpy>=1.18.5,<2.0
+scikit-learn>=0.24.0,<0.25
+tqdm>=4.50.0
+
+# Backwards compatibility helpers
+typing-extensions>=3.7.4

scripts/README.md

@@ -0,0 +1,202 @@
+# Installation Scripts
+
+自动化安装脚本用于快速安装 BERT Text Classification 的依赖环境。支持两种 Python 环境管理方式：**Venv** 和 **Conda**。
+
+## 文件说明
+
+- `install.ps1` - Windows PowerShell 安装脚本（支持 Venv 和 Conda）
+- `install.sh` - Linux/macOS Bash 安装脚本（支持 Venv 和 Conda）
+
+
+---
+
+## 使用方法
+
+### 方案 A：Venv（推荐新手）
+
+#### Windows
+
+```powershell
+# CPU 版本
+.\scripts\install.ps1 -env_type venv -device cpu
+
+# GPU 版本（CUDA 11.1）
+.\scripts\install.ps1 -env_type venv -device gpu -cuda_version 111
+
+# 其他 CUDA 版本
+.\scripts\install.ps1 -env_type venv -device gpu -cuda_version 102  # CUDA 10.2
+```
+
+#### Linux / macOS
+
+```bash
+# CPU 版本
+bash scripts/install.sh venv cpu
+
+# GPU 版本（CUDA 11.1）
+bash scripts/install.sh venv gpu 111
+
+# 其他 CUDA 版本
+bash scripts/install.sh venv gpu 102  # CUDA 10.2
+```
+
+**激活环境**:
+- Windows: `.\venv\Scripts\Activate.ps1`
+- Linux/Mac: `source venv/bin/activate`
+
+---
+
+### 方案 B：Conda（推荐已有 Conda 用户）
+
+#### Windows
+
+```powershell
+# CPU 版本（环境名: bert_env）
+.\scripts\install.ps1 -env_type conda -device cpu
+
+# GPU 版本（CUDA 11.1）
+.\scripts\install.ps1 -env_type conda -device gpu -cuda_version 111
+
+# 自定义环境名
+.\scripts\install.ps1 -env_type conda -device cpu -env_name mybert
+```
+
+#### Linux / macOS
+
+```bash
+# CPU 版本（环境名: bert_env）
+bash scripts/install.sh conda cpu
+
+# GPU 版本（CUDA 11.1）
+bash scripts/install.sh conda gpu 111
+
+# 自定义环境名
+bash scripts/install.sh conda cpu mybert
+```
+
+**激活环境**:
+```bash
+conda activate bert_env        # 或自定义的环境名
+conda activate mybert
+```
+
+---
+
+## 脚本参数详解
+
+### Windows PowerShell 脚本
+
+```powershell
+.\scripts\install.ps1 -env_type venv|conda -device cpu|gpu -cuda_version 102|110|111|113 -env_name bert_env
+```
+
+| 参数 | 默认值 | 说明 |
+|------|--------|------|
+| `-env_type` | `venv` | 环境管理方式：`venv` 或 `conda` |
+| `-device` | `cpu` | 计算设备：`cpu` 或 `gpu` |
+| `-cuda_version` | `111` | GPU 版本的 CUDA 版本号 |
+| `-env_name` | `bert_env` | Conda 环境名称 |
+
+### Linux/macOS Bash 脚本
+
+```bash
+bash scripts/install.sh [env_type] [device] [cuda_version] [env_name]
+```
+
+| 位置 | 默认值 | 说明 |
+|------|--------|------|
+| $1 | `venv` | 环境管理方式：`venv` 或 `conda` |
+| $2 | `cpu` | 计算设备：`cpu` 或 `gpu` |
+| $3 | `111` | GPU 版本的 CUDA 版本号 |
+| $4 | `bert_env` | Conda 环境名称 |
+
+---
+
+## 故障排除
+
+### Windows 执行策略错误
+
+如果遇到执行策略错误，运行：
+
+```powershell
+Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
+```
+
+### 查询 CUDA 版本
+
+GPU 用户可以运行以下命令查看已安装的 CUDA 版本：
+
+```bash
+nvidia-smi
+```
+
+查看输出中的 "CUDA Version" 字段，选择对应的脚本参数：
+
+- CUDA 10.2 → 参数 `102`
+- CUDA 11.0 → 参数 `110`
+- CUDA 11.1 → 参数 `111`
+- CUDA 11.3 → 参数 `113`
+
+
+---
+
+## 脚本做了什么
+
+1. ✅ 创建或检测 Python 环境（Venv 或 Conda）
+2. ✅ 激活虚拟环境
+3. ✅ 自动下载并安装正确版本的 PyTorch（CPU 或 GPU）
+4. ✅ 安装所有必需的依赖包（使用 `requirements.txt`）
+5. ✅ 验证安装成功
+6. ✅ 显示后续步骤提示
+
+---
+
+## 支持的 PyTorch 版本
+
+- **PyTorch 1.9.0**（核心库）
+- **torchvision 0.10.0**（图像处理库）
+
+---
+
+## 手动安装
+
+### Venv 方式
+
+```bash
+# 1. 创建虚拟环境
+python3 -m venv venv
+
+# 2. 激活环境
+# Windows: .\venv\Scripts\Activate.ps1
+# Linux/Mac: source venv/bin/activate
+
+# 3. 安装 PyTorch（选择 CPU 或 GPU）
+pip install torch==1.9.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
+
+# 或 GPU 版本（CUDA 11.1）
+pip install --index-url https://download.pytorch.org/whl/cu111 torch==1.9.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html
+
+# 4. 安装其他依赖
+pip install -r requirements.txt
+```
+
+### Conda 方式
+
+```bash
+# 1. 创建 Conda 环境
+conda create -n bert_env python=3.9 -y
+
+# 2. 激活环境
+conda activate bert_env
+
+# 3. 安装 PyTorch（选择 CPU 或 GPU）
+conda install pytorch::pytorch torchvision -c pytorch
+
+# 或指定版本
+pip install torch==1.9.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
+
+# 4. 安装其他依赖
+pip install -r requirements.txt
+```
+
+---