<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gaomin_721的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gaomin_721</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gaomin_721]]></copyright><item><title><![CDATA[麒麟server V10 SP3 docker部署]]></title><link>https://blog.youkuaiyun.com/gaomin_721/article/details/150219264</link><guid>https://blog.youkuaiyun.com/gaomin_721/article/details/150219264</guid><author>gaomin_721</author><pubDate>Mon, 11 Aug 2025 16:39:02 +0800</pubDate><description><![CDATA[一、服务器环境。]]></description><category></category></item><item><title><![CDATA[石化盈科重磅发布高级智能过程控制软件产品——PROCET-AIPC]]></title><link>https://blog.youkuaiyun.com/gaomin_721/article/details/146001702</link><guid>https://blog.youkuaiyun.com/gaomin_721/article/details/146001702</guid><author>gaomin_721</author><pubDate>Tue, 25 Mar 2025 08:24:26 +0800</pubDate><description><![CDATA[未来，石化盈科将继续坚持以客户需求为导向，以技术创新为驱动，以解决客户痛点问题、提升客户价值为已任，助力企业提升数智化应用水平，赋能企业高质量发展。当前，流程加工行业面临着生产方案需根据市场情况及时调整、安全环保运行要求高等诸多挑战，石化盈科作为能源化工行业全产业链信息化解决方案和产品提供商，基于多年在过程控制领域的沉淀与积累，携手中控技术，研发了高级智能过程控制软件产品——标准功能模块可帮助用户提升控制自动化水平，助力用户降本增效，提高操作自动化能力，降低操作频次；，工艺参数波动方差降低。]]></description><category></category></item><item><title><![CDATA[使用MaxKB搭建本地企业级知识库]]></title><link>https://blog.youkuaiyun.com/gaomin_721/article/details/145638105</link><guid>https://blog.youkuaiyun.com/gaomin_721/article/details/145638105</guid><author>gaomin_721</author><pubDate>Sun, 02 Mar 2025 20:37:01 +0800</pubDate><description><![CDATA[本文详细描述了在 Ubuntu 虚拟机中部署 MaxKB 并连接本地 Ollama 模型的完整流程。]]></description><category></category></item><item><title><![CDATA[DeepSeek本地化和云化部署]]></title><link>https://blog.youkuaiyun.com/gaomin_721/article/details/145795481</link><guid>https://blog.youkuaiyun.com/gaomin_721/article/details/145795481</guid><author>gaomin_721</author><pubDate>Sat, 22 Feb 2025 15:51:24 +0800</pubDate><description><![CDATA[Ollama和Xinference各有优劣，适用于不同的场景和需求。]]></description><category></category></item><item><title><![CDATA[如何部署和运行DeepSeek-R1满血版模型]]></title><link>https://blog.youkuaiyun.com/gaomin_721/article/details/145640962</link><guid>https://blog.youkuaiyun.com/gaomin_721/article/details/145640962</guid><author>gaomin_721</author><pubDate>Fri, 14 Feb 2025 20:16:38 +0800</pubDate><description><![CDATA[还好unsloth在modelscope也上传了此系列的模型，因此我们不必须到hugging face下载，modelscope下载地址为：https://modelscope.cn/models/unsloth/DeepSeek-R1-GGUF/files。unsloth成功将 DeepSeek 的 R1 671B 参数模型量化至 131GB 大小，相比原始的 720GB 减少了 80%，同时保持了高度功能性。硬件上我们选用了RTX4090 的24G显存 + 120G内存的组合，镜像选用比较成熟的。]]></description><category></category></item><item><title><![CDATA[Run DeepSeek R1 Dynamic 1.58-bit]]></title><link>https://blog.youkuaiyun.com/gaomin_721/article/details/145640681</link><guid>https://blog.youkuaiyun.com/gaomin_721/article/details/145640681</guid><author>gaomin_721</author><pubDate>Fri, 14 Feb 2025 20:03:49 +0800</pubDate><description><![CDATA[DeepSeek-R1 最近引起了广泛关注，因其能够与 OpenAI 的 O1 推理模型相媲美，同时完全开源。我们探索了如何让更多本地用户运行它，并成功将 DeepSeek 的 R1 671B 参数模型量化至 131GB 大小，相比原始的 720GB 减少了 80%，同时保持了高度功能性。通过研究 DeepSeek R1 的架构，我们成功选择性地将某些层量化到更高位数（如 4bit），并将大多数 MoE 层（如 GPT-4 中使用的层）保留为 1.5bit。]]></description><category></category></item></channel></rss>