deepseek大模型,本地搭建deepseek模型,springai调用本地deepseek模型,java调用deepseek大模型api

文档对应的视频地址:

https://www.bilibili.com/video/BV1V8NBevEjk/?spm_id_from=333.1387.homepage.video_card.click&vd_source=14d27ec13a4737c281b7c79463687112

SpringAI调用本地deepseek模型

一、 使用deepseek步骤

  1. 官网注册账号

    地址: https://www.deepseek.com/

    注册:略

    在这里插入图片描述

    如上图,点击右边 API开放平台

    在这里插入图片描述

    2月8号之前新用户会有免费十元的额度,一个月有效期,之后由于服务器资源紧缺,暂时官方不能充值,如果有余额的小伙伴可以直接获取key,如下图

    在这里插入图片描述

    点击右边的API keys,如图:在这里插入图片描述

注意:获取到的key一定要保存起来,后面是不能再复制了。

  1. 首次调用api

    地址:https://api-docs.deepseek.com/

    有兴趣的小伙伴可以自己尝试,在这里就不去演示了,因为我们后面会通过SpringAI调用keepseek大模型。

二、通过SpringAI调用deepseek大模型

  1. SpringAI官网地址:https://spring.io/projects/spring-ai

  2. 代码实现

    导入依赖:

    <?xml version="1.0" encoding="UTF-8"?>
    <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
             xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
        <modelVersion>4.0.0</modelVersion>
        <parent>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-parent</artifactId>
            <version>3.4.2</version>
            <relativePath/> <!-- lookup parent from repository -->
        </parent>
        <groupId>com.cjc
### 接入DeepSeek本地模型Java项目 对于希望在Java环境中集成DeepSeek本地模型的应用开发者而言,通常需要借助特定库或框架的支持来实现这一目标。考虑到当前主流的机器学习和深度学习模型部署方式,一种常见做法是通过gRPC或是RESTful API接口与由Python或其他支持的语言构建的服务层交互。 然而,在纯Java环境下直接加载并运行像U-Net这样的深度学习架构(如所提及到的内容[^2]),则可能涉及使用诸如DL4J (Deeplearning4j)之类的Java原生库。这些库允许开发人员定义神经网络结构、导入预训练权重文件以及执行推理操作而无需依赖外部服务调用。 具体来说,为了使Java应用程序能够利用已有的DeepSeek本地模型: 1. **准备环境** - 安装必要的依赖项,比如ND4J作为底层计算引擎; - 添加对DL4J核心功能的支持; 2. **加载模型参数** 使用`NativeModelSerializer`类读取保存好的模型配置及权重数据: ```java import org.deeplearning4j.nn.graph.ComputationGraph; import org.deeplearning4j.util.ModelSerializer; // 假设modelPath指向存储有DeepSeek模型的位置 ComputationGraph graph = ModelSerializer.restoreComputationGraph(modelPath); ``` 3. **设置输入特征向量** 根据实际应用场景准备好待预测的数据集,并将其转换成适合传给模型的形式。这一步骤可能会涉及到图像处理或者其他形式的数据预处理工作。 4. **执行前向传播获得输出结果** ```java INDArray output = graph.output(inputFeatures)[0]; ``` 上述方法适用于那些已经在其他平台训练完成并且可以导出为兼容格式(例如ONNX)的深度学习模型。值得注意的是,如果DeepSeek本身提供了专门针对Java用户的SDK或者是更简便的方法来进行集成,则建议优先考虑官方推荐的方式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值