为公司省钱往往省不到自己身上

感觉本网站还不错的,请主动关闭浏览器的广告屏蔽功能再访问本站,谢谢支持。

13
2025
02

DeepSeek 671B满血服务器价格表

DeepSeek 671B满血服务器价格表浪潮原厂大概价671B 130-140万  不知多少卡,没问70B  35万    8张L2032B   20万   4张L20 H3C 还在打瞌睡没出来价格表,只是发了一张图说有,等我叼一下他们的PM过几天就有了光有模型不够,要有用应用,应用还没有太多,做自动驾驶和人工智能的公司上手的比较快,抖音上全是一帮没脑子的家伙照着稿子念蹭流量,瞎逼逼说怎么样要上就上满血版的,其它的玩玩就好了
13
2025
02

无代码游戏制作工具 RPG Maker VX Ace(RMVA) 在 Steam 限免

RPG Maker VX Ace(RMVA) 是一款面向初学者的游戏开发工具,无需编程知识就能制作出完整的角色扮演游戏。它提供了直观的点击式界面,包含地图编辑器、数据库系统和事件编辑器等核心功能。目前在 Steam 限免。RPG Maker VX Ace (RMVA) 是 Enterbrain 开发的 RPG Maker 系列的第五代,RGSS 系列第三代。RMVA 允许没有编程经验的普通用户轻松制作出 RPG 游戏,创作的游戏可以在没有安装 RPG Maker VX Ace 的计算机上运行。总
12
2025
02

使用androidndk 编译Openconnect

1.在open connect官网获取源码,目前有四个版本,我选择的是第三个版本open connect的git clone https://gitlab.com/openconnect 2.进入android/makefile将NDK的路径修改为本地路径3.获取对应的ndk (android-ndk-r16b)4.将ARCH修改为arm645.在Android下执行make此事会遇到有的库下载不下来的情况,有可能跟源有关;如果依赖库都下载下来了,将每一个依赖库进行配置:./confi
12
2025
02

AI平权!清华团队发布AI加速神器,单卡双U轻松驾驭671B大模型!

全民大炼AI的时代来了!运行Deepseek R1/V3的满血Q4_K_M 版本,仅需 14GB 显存和 382GB 内存。清华大学的kvcache.ai团队发布的ktransformer大模型加载框架v0.3 Preview,提升本地加载满血deepseek 671b的运行效率。预填充速度性能指标27.79 倍于llama.cppcpu数tokens/s备注32 核54.212×32 核74.362255.26 基于优化的 AMX 混合专家内核,仅 V0.3 版本286.55选择性使
11
2025
02

DeepSeek嵌入到Excel,提升10倍工作效率

能将DeepSeek嵌入到Excel吗?当然可以了,我们需要借助VBA代码来实现,以下的代码都是由DeepSeek自动生成的,我们还需要调用DeepSeek的API,实现在A1单元格中输入数据,然后点击按钮执行,在B1单元格中输出结果的效果,我们来看下具体怎么做的一、获取API首先我们需要获取DeepSeek的API,只需来到官网,右上角点击【API开放平台】,然后在右侧找到【API keys】然后在中间点击【API keys】,就会显示窗口,我们需要为其设置一个名字,然后复制下API,等下需要
11
2025
02

基于Ubuntu Ollama 部署 DeepSeek-R1:32B 聊天大模型(附带流式接口调用示例)

最近 DeepSeek出来了,很火,说是能跟ChatGpt o1 媲美,结果,用了DeepSeek的官方服务,提示“服务器繁忙 请稍后再试。”,我就想,算了,自己部署个吧。我这个是基于docker部署的,首先要docker 支持 显卡,这样才会跑的更快,基于CPU 还是比较卡的,耗费的内存也比较多。部署非常方便,除了下载很慢,基本都是环境问题,环境解决完就没啥大问题。服务器基础资源这就来个服务器部署,目前服务器资源大致如下:操作系统 : Ubuntu 24.04显卡:Tesla P100-PCI
11
2025
02

如何给本地部署的 DeepSeek-R1投喂数据

随着人工智能技术的飞速发展,越来越多的人开始探索如何利用 AI 工具提升工作效率和个人知识管理水平。在众多开源AI模型中,DeepSeek-R1 凭借其强大的本地部署能力和多功能性脱颖而出。结合 AnythingLLM 这一功能强大的文档处理工具,我们可以轻松搭建一个属于自己的个性化 AI 知识管理系统。一、什么是 DeepSeek-R1?DeepSeek-R1 是一款基于深度学习的开源 AI 模型,默认支持文本生成、对话交互等多种任务。与依赖云服务的大模型相比,DeepSeek-R1 具有以下
11
2025
02

对本地部署的 DeepSeek 正确投喂方式

当 DeepSeek-R1 在本地成功部署那一刻,兴奋与激动如潮水般涌上心头,迫不及待地开启与它的热烈对话,话题一个接一个,畅聊不停。出于探索的热情,还按照自己的思路给它共享了不少知识,它也能依此精准切入,给出令人满意的答案。可谁能想到,第二天再聊,它竟像失忆一般,昨天共享的数据全然没了印象,一切又回到最初状态。在 AI 的奇妙世界里,其记忆机制别有一番特点。以 DeepSeek、GPT 为代表的大多数 AI 模型,默认无状态,无持久化记忆。每次对话都是全新开场,不会记住上一次聊了啥。单次会话中
11
2025
02

一款高性能、完全开源免费的人力资源管理系统

项目介绍 iBizEHR是一款高性能、全面开源、免费(MIT License开源协议)的人力资源管理系统,iBizEHR依托iBiz生产体系,不仅提供源码开放,更可提供EHR全面的业务模型,包括每一个数据实体、每一个服务设计、每一个页面UI、每一个流程模型,源码和业务模型完全对应。本系统100%开源,遵守MIT协议。 项目功能 六大模块:人力资源规划、员工关系管理、招聘与配置、培训与开发、绩效管理、薪酬福利管理。通过对人力资源的分析、规划、实施和调整,最大化企业人力资源的价值,助力企业发展。 开
11
2025
02

DeepSeek本地部署及局域网共享使用

本文仅供学习使用,首先你得有N卡,检查一下你的电脑是否有N卡,有就继续往下看,没有就回家吧孩子,回家吧!开个玩笑,我们可以白嫖好兄弟的呀。本次环境内存:32G显卡:  GTX 3060  6G windows11配置要求本次部署8b,因为小下载快,只有5g。如果配置跟得上推荐使用32B的模型, 基本上可以达到原版9成水平本地部署下载ollamaollama是一个开源的人工智能框架,旨在为开发者提供一个灵活、高效的工具,可以轻松将大语言模型集成到自己的应用中。访问:&
11
2025
02

百元显卡 P106 “大战” DeepSeek R1 7B/8B 大模型

前言最近 DeepSeek 非常火爆,和 22 年 ChatGPT 横空出世一样,官方的服务器动不动就会“服务器繁忙,请稍后再试”。但和 ChatGPT 不同的是,DeepSeek 的官方 API 价格便宜,并且开源模型权重,允许用户利用模型输出、通过模型蒸馏等方式训练其他模型。这也就意味着在官方网站或者 API 繁忙时,我们还可以使用第三方的 API,甚至是本地运行蒸馏后的模型来运行 DeepSeek R1。对于习惯使用 API 的用户,最近 DeepSeek 官方暂停了
11
2025
02

基于DeepSeek的本地化知识库 RAGFlow 搭建(附带镜像链接)

DeepSeek部署完后,除了正常的聊天使用,实际上更想基于它做一些更符合预期的事情,比如基于某些事实或者数据,能给我推理出来相关的结果或者尽量限制在某一部分进行回答,这个比较突出的表现方式就是知识库,其中,最新最新出来的开源 RAGFlow 很不错,这就部署出来瞅一下。当然,DeepSeek的部署就需要参考《基于Ubuntu Ollama 部署 DeepSeek-R132B 聊天大模型(附带流式接口调用示例)》这篇文章了。RAGFlow简单介绍下它,RAGFlow 是一款基于深度文档理解构建的
11
2025
02

OpenWebUI+Ollama部署教程命令和网址 *

Ollama官方网址视频00:35精准空降:https://www.bilibili.com/video/BV1b8mVY2EZj?t=34.3https://ollama.com下载安装开源模型视频01:40精准空降:https://www.bilibili.com/video/BV1b8mVY2EZj?t=98.1ollama run gemma2其中gemma2可以换成其它模型,例如Qwen2.5:ollama run qwen2.5可以选择的模型在
11
2025
02

Ubuntu系统下部署大语言模型:Ollama和OpenWebUI实现各大模型的人工智能自由

在window下安装过 Ollama和OpenWebUI搭建本地的人工智能web项目(可以看我之前写的文章),无奈电脑硬件配置太低,用qwen32b就很卡,卡出PPT了,于是又找了一台机器安装linux系统,在linux系统下测试一下速度能否可以快一些。系统硬件介绍Ubuntu 22.04.4 LTSCPU: i5-10400F内存:32G硬盘: 512G SSD显卡: NVIDIA GeForce GTX 1060 6GB内网IP: 192.168.1.21下载 Ollama访问下载: htt
11
2025
02

ollama+open-webui,本地部署自己的大模型

ollama+open-webui,本地部署自己的大模型版权目录一、效果预览二、部署ollama1.ollama说明2.安装流程2.1 windows系统2.1.1下载安装包2.1.2验证安装结果2.1.3设置模型文件保存地址2.1.4拉取大模型镜像2.2linux系统2.2.1下载并安装ollama2.2.2设置环境变量2.2.3拉取模型文件三、部署open-webui1.open-webui介绍2.安装流程2.1windows2.1.1下载源码2.1.2用pycharm新建一个虚拟环境?编辑
11
2025
02

ollama配置允许外网访问

linux系统    ollama默认只能localhost访问    如果需要允许外网访问,需要修改环境变量    vi /etc/profile    在文件底部加入    export OLLAMA_HOST=0.0.0.0:11434    保存&nb
11
2025
02

ollama搭建本地ai大模型并应用调用

1、下载ollama1)https://ollama.com 进入网址,点击download下载2)下载后直接安装即可。2、启动配置模型默认是启动cmd窗口直接输入1 ollama run llama3启动llama3大模型 或者启动千问大模型1 ollama run qwen2启动输入你需要输入的问题即可 3、配置UI界面安装docker并部署web操作界面1 docker run&n
11
2025
02

ollama 跨设备访问,轻松搞定远程调用

ollama 跨设备访问,轻松搞定远程调用用 Ollama API 调用本地大模型,通过 localhost:11434 就能搞定。但是,想在其他电脑上用 IP 地址调用,可能会存在问题。网上搜了搜,要么是 Linux 环境下的设置,要么是调整 windows 环境变量。st, Windows 下也能这么操作。ollama -h 看下帮助,然后 ollama serve -h,看下帮助 window 下面可以设置 OLLAMA_HOST
11
2025
02

Ollama Windows

Ollama Windows欢迎使用 Ollama for Windows。不再需要 WSL!Ollama 现在作为原生 Windows 应用程序运行,支持 NVIDIA 和 AMD Radeon GPU。 安装 Ollama for Windows 后,Ollama 将在后台运行, ollama 命令行工具将在 cmd、powershell 或你最喜欢的终端应用程序中可用。和往常一样,Ollama API 将在 http:/
11
2025
02

如何投喂本地部署的 DeepSeek-R1

搭建个人 AI 知识库:利用 DeepSeek-R1 和 AnythingLLM 实现高效管理随着人工智能技术的飞速发展,越来越多的人开始探索如何利用 AI 工具提升工作效率和个人知识管理水平。在众多开源AI模型中,DeepSeek-R1 凭借其强大的本地部署能力和多功能性脱颖而出。结合 AnythingLLM 这一功能强大的文档处理工具,我们可以轻松搭建一个属于自己的个性化 AI 知识管理系统。一、什么是 DeepSeek-R1?DeepSeek-R1 是一款基于深度学习的开源 AI 模型,默

您的IP地址是: