- 博客(9)
- 收藏
- 关注
RSS订阅原创 Xinference部署
首先就是确认自己的python版本，建议使用3.10及以上，太低的安装过程会比较多的问题，我这里使用的python版本是3.10，如果不是也可以在当前的环境中创建镜像，然后在镜像上面进行部署安装。经过漫长的等待后，终于安装成功，在这过程中，如果遇到报某个包没装的话，就是pip install一下，或者问问千问或者dp会有对应的具体解决办法，我这里运气很好没有报错，之前其他地方的时候遇到过。），接下来就是在一个新的服务器上部署Xinference，然后在Xinference上面部署向量化模型和重排序模型。
2025-03-08 21:56:14
1041
原创 Ollama部署
然后就是开始部署，不同环境部署方式不一致，具体可以去官网查看对应的方法，官网地址：https://ollama.com/。重启之后，我们就可以看看Ollama中支持部署哪些模型，具体可以在官网查看，官网地址： https://ollama.com/library。部署的时候我们需要在前面加上端口号，然后把对应的模型从官网复制过来即可。然后把上图中的红框中复制出来放在端口号后面，如果是其他模型只需要换一下run后面的内容即可。首先就是要确保当前的根目录是在data目录下，没在的可以 cd /data。
2025-03-08 10:38:04
452
原创 Dify平台私有化部署
然后创建服务器，同时把命名改掉方便后面区分，这里因为我的Ollama和Dify部署在同一个服务器上，Xinference部署在另一台服务器上，所以就直接命名区分开。注意，在修改文件时，需要是英文状态下，按下a就能进如编辑模式，这个端口号位置在最后，修改完后，esc键就会变为指令模式，然后冒号+wq，然后回车就能保存退出了。当然这只是这个平台，像算力云就不存在，所以要根据自己所选平台进行操作。下载成功后，进入dify，然后在进入docker文件下，复制一下文件env文件，然后修改端口号，方便我们后续访问。
2025-03-06 22:57:53
1394
原创 YOLO做分类任务，COCO格式的文件
为了自己后面能快速复习相关知识，所以把YOLO目标检测对应的格式文件都处理一遍。现在是处理COCO格式的。本次的数据集是天池的一个。
2024-11-10 21:34:42
2050
原创 YOLO做分类任务，VOC格式的文件
自己尝试从COCO的xml文件中提取出对应的相关信息，然后进行目标检测任务。本次任务主要是高分辨率SAR飞机检测识别数据集，对应数据集链接我的ultralytics是装在e盘的yolo_materials文件下所以，我们的数据集应该要在上面对应的datasets文件夹下创建一个数据文件夹，然后再按照指定格式存放好对应的数据集。
2024-11-09 21:48:54
1873
原创 一些激活函数
自己整理的一些激活函数，不全，只是为了自己复习方便允许负数输入有一个小的斜率，而不是完全截断为0- input是输入张量。- negative_slope是负数输入的斜率，默认为0.01。- inplace是一个布尔值，表示是否原地操作（即是否覆盖输入张量），默认为False。
2024-11-04 22:38:53
165
原创 YOLO进行目标检测时报错not enough values to unpack
在进行目标检测时，有图片文件以及已经处理好的标签信息，但是标签信息是json文件，一开始是直接把json文件里面的信息提取出来以后就直接放到txt文件中。YOLO支持的数据格式 标签 目标的x中心点/原图宽 目标的y中心点/原图高 目标的宽/原图宽 目标的高/原图的高（仅适用于矩形的图像），我的原图全部是标准的658*429，所以处理如下。我的json文件里面的标签信息是目标的起始坐标(x,y)，以及图片的宽和高。经过这样处理后，对应的txt文件就能被YOLO正常识别了。
2024-10-29 20:01:39
438
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人