- 博客(44)
- 收藏
- 关注
RSS订阅原创 技术简报：百度秒哒AI无代码平台痛点与开发者困境
据工信部2023年Q4数据，个人网站备案通过率不足32%（企业备案率为89%），主因包括域名解析冲突、服务器资质不符等。强制公开发布门槛：最终应用必须绑定已备案空域名（无解析记录），个人开发者需独立完成工信部备案流程。域名需"未投入使用"状态备案 → 实际操作中需先购买域名+服务器并暂停解析，与个人开发者低成本试错需求冲突。推动建立开发者沙箱备案白名单机制（参考欧盟GDPR的"数据沙盒"监管沙盒模式）。建立"无代码开发合规性知识图谱"，标注各平台部署红线（如附对比表格）。
2025-03-27 15:54:29
643
原创 Deepseek V3、豆包、百度秒哒在AI人工智能无代码编程方面的差异分析?
--以上分析基于当前技术进展与用户反馈，实际应用中需结合具体需求选择工具。
2025-03-26 17:30:38
1321
原创 DeepSeek V3 和 R1 在架构、技术性能、优缺点和部署方面差异？
选择模型时，需根据具体需求和硬件资源决定。V3适合通用语言处理任务，而R1适合复杂逻辑推理场景。
2025-03-26 09:40:14
556
原创 在部署 DeepSeek 模型时，如采用Jetson Orin Nano 和 NVIDIA H100 的性能差异对比如何？
Jetson Orin Nano 和 NVIDIA H100 的性能差异显著，前者适合轻量化、低功耗的边缘计算场景，后者则适合高性能、高吞吐量的数据中心场景。：显存容量有限，适合运行 1.5B 或 7B 模型，大模型（如 14B）可能因显存不足无法运行。：高性能、高吞吐量，适合大规模模型训练和推理（如 DeepSeek 14B 或更高参数模型）。：低功耗、小型化，适合边缘设备、嵌入式 AI 应用（如机器人、无人机、智能摄像头）。：支持更大规模的模型（如 14B 或更高），且显存带宽更高，适合高并发推理。
2025-03-19 11:48:56
804
原创 是否可以在 英伟达 Jetson Orin Nano 上部署 DeepSeek 模型？
总的来说，因为Jetson Orin Nano主要应用于轻量化边缘计算使用，如适合边缘设备、嵌入式 AI 应用（如机器人、无人机、智能摄像头）。而大规模模型训练和推理（如 DeepSeek 14B 或更高参数模型）则不适合，因此需根据不同的应用场景进行选择。：大模型（如 14B 或更高参数）需要更高的显存和算力，Jetson Orin Nano 可能难以流畅运行。：本地部署适合高隐私场景，但需确保符合数据安全法规（如 GDPR）。：1.5B 模型需约 4GB 显存，7B 模型需 8GB 以上。
2025-03-19 11:43:32
579
原创 英伟达PTX指令集与各CUDA版本的关系
虽然PTX指令集的官方文档是英文的，但通过查阅NVIDIA的CUDA工具包文档和相关资源，可以详细了解不同CUDA版本中PTX指令集的变化和新增功能。
2025-03-19 10:13:47
625
原创 P106-100、K80、H800、V100 四款显卡在架构、PTX指令集、算力、性能等方面的差异及优缺点对比：
Hopper架构的阉割版，保留第四代Tensor Core和FP8支持，但NVLink带宽和FP64性能受限。：K80的GDDR5显存带宽（240GB/s）远低于H800的HBM3（3.9TB/s），适合处理小数据集。：Volta架构首次引入Tensor Core，显存带宽高（900GB/s），适合大规模模型训练。：双GPU的Kepler架构，显存容量大但无现代AI加速单元，适合传统并行计算。：基于Pascal架构，定位为计算卡，通过魔改驱动实现游戏功能，显存带宽较低。
2025-03-18 09:48:43
1405
原创 有什么适合IT项目经理使用的AI生成流程图、UML图、泳道图等工具
操作步骤：向DeepSeek描述需求→获取Mermaid代码→在ProcessOn导入→生成并调整。使用DeepSeek生成Mermaid代码，导入ProcessOn一键生成图表。通过对话式交互，用自然语言描述需求，AI自动生成PlantUML代码并渲染图表。支持图表：流程图、时序图、泳道图、类图、ER图（通过Mermaid语法）。操作步骤：访问官网→点击“生成流程图”→输入描述→AI生成→调整导出。支持图表：UML图、系统架构图、流程图（基于PlantUML）。持迭代优化，例如调整系统设计中的组件关系。
2025-03-17 17:38:21
466
原创 独立部署DeepSeek 大语言模型（如 DeepSeek Coder、DeepSeek LLM）可以采用什么框架？
提供了丰富的预训练模型接口，对于 DeepSeek 模型，能通过简单的几行代码实现加载和推理。例如，你可以轻松指定模型名称，如 “deepseek-ai/deepseek-coder-6.7b-base”，就可以快速加载模型。：采用了先进的推理优化技术，如 PagedAttention，能够显著提高模型的推理速度，降低延迟。这些框架各有优缺点，你可以根据自己的具体需求，如性能要求、易用性、成本等因素，选择合适的框架来独立部署 DeepSeek 模型。无需编写复杂的代码，降低了部署的门槛。
2025-03-17 11:18:22
520
原创 (七）使用X99主板搭配双XEON E5-2660 V4或同系列CPU+NVIDIA P106-100部署Deepseek的可行性
（新装机的话，二手CPU，二手内存，一手SSD，一手电源，开放式机箱，一手散热器、需自行解决散热风扇问题），如果在原有已经有是x99架构的双CPU朋友，节省掉SSD和加少许内存情况下也可升级改造。：如Windows 7、Ubuntu 16.04等，对CUDA 11.0的支持可能有限，可能需要降级CUDA版本。或更高版本：支持NVIDIA P106-100，但需要安装适当的驱动程序和CUDA toolkit。：检查操作系统版本是否支持当前的NVIDIA驱动，可能需要调整操作系统版本或使用旧版本驱动。
2025-03-13 18:13:29
1006
原创 （六）与英伟达 V100 对标的，但又便宜且好用的运算卡对比表及部署Deepseek的对标情况。
需要稳定运行 Deepseek，建议选择 P106-100，但是需要注意主板、CPU及操作系统对驱动程序、工具集的支持，这点需要十分谨慎。如果需要利用最新的架构优势，如A100的Ampere架构，可能需要升级，但P106-100在性能和价格之间提供了不错的平衡。：P106-100的性能接近V100，提供4000+ Tokens/s，适合中等规模的模型部署。总结来说，P106-100是可以部署Deepseek的，并且是预算有限用户的一个合适选择。：基于 Ampere 架构，价格非常便宜，适合入门级用户。
2025-03-13 18:04:24
709
原创 （五）基于A100、V100和K80三种GPU部署Deepseek的最高版本的详细信息
基于A100、V100和K80三种GPU部署Deepseek的最高版本的详细信息
2025-03-13 17:57:58
340
原创 （四）英伟达K80、V100和A100三款GPU在Tokenss等关键指标及性能特征上的对比分析
Ampere架构第三代Tensor Core，支持TF32和稀疏计算，显存带宽（1555 GB/s）和容量（80GB）大幅提升，适用于超大规模模型（如GPT-3）。Volta架构引入第一代Tensor Core，支持FP16混合精度，显存带宽显著提升（900 GB/s），适合中等规模的模型训练和推理。A100的FP16性能是V100的2.5倍，K80因缺乏Tensor Core，FP32性能仅为A100的1/7027。在BERT模型训练中，A100性能是V100的6倍7，但V100仍能胜任多数企业级应用。
2025-03-13 17:56:26
1083
原创 （二）未来十至二十年的信息技术核心领域（AI、数据库、编程语言）完全零基础者的学习路径与技能提升策略
通过以上路径，零基础者可在2-3年内完成从入门到中级开发者的转型，并在AI或数据库领域建立扎实竞争力。需注意：技术迭代速度极快，需保持每年投入至少200小时于新工具学习（如量子计算模拟器、边缘AI框架）。未来十至二十年的信息技术核心领域（AI、数据库、编程语言）对零基础学习者而言，需从基础知识构建→领域专项突破→项目实战→持续迭代四个阶段展开。1. 百度飞桨（PaddlePaddle）1. 中国大学MOOC《人工智能数学基础》中文文档完善，适配国产硬件（如昇腾芯片）2. 《程序员的数学》（结城浩著）
2025-02-27 17:45:03
1135
原创 （一）未来学习什么语言或相关的AI、数据库知识进行技术迭代提升？
物联网（IoT）与AR/VR的普及要求处理结构化与非结构化数据（如文本、图像、传感器数据），需熟悉NoSQL（如MongoDB）和图数据库（如Neo4j）。AI素养涵盖技术认知（如算法原理）、伦理判断（如数据隐私）及协作能力（如与领域专家合作）。需掌握AI全生命周期工具，如模型监控（MLOps）、自动化测试（如Red Teaming），以及伦理评估工具（如tachAId）。教育领域已通过“一课多融”模式（如结合AI与数据库课程）培养复合型人才，程序员需保持对技术趋势（如量子计算、边缘AI）的敏感度。
2025-02-27 17:41:38
852
原创 借DeepSeek的风思考：未来可通过AI+视觉识别技术，实现足球比赛中的教练决策指挥系统，以此提高中国足球冲出亚洲夺取世界杯冠军
通过AI+视觉识别技术提升中国足球水平是一个长期过程，需要技术、数据、人才和政策的多方支持。系统的成功部署和实施将有助于提高中国足球的竞争力，但最终能否冲出亚洲、夺取世界杯，还取决于整体足球生态的改善。AI决策模型 ：基于历史比赛数据，训练AI模型，提供战术建议、换人策略等。高质量数据 ：收集大量高质量的比赛数据，包括球员跑动、传球、射门等信息，涵盖不同联赛、球队和球员的表现。技术团队 ：组建具备AI、计算机视觉和体育分析能力的团队，负责系统开发和维护。
2025-02-27 17:03:12
554
原创 元脑服务器可用于DeepSeek部署
2024年4月17日，于浪潮信息生态伙伴大会上，“元脑”品牌经历全面升级，涵盖所有计算产品，成为智算领域的核心品牌。浪潮信息依托元脑生态体系，与合作伙伴共同推进元脑服务器在金融、制造、智能制造、智慧城市等多个领域的应用，为各行各业提供高效且可靠的智能计算支持，助力企业以更低的成本探索大型模型的智能潜能，加速推动各行业的智能化转型。全新升级的内存故障智能预警修复技术MUPR，从单端预警升级为BIOS、BMC两级防护，可实现对内存UCE故障的精准预测和实时修复，能有效规避80%以上的内存UCE发生。
2025-02-20 11:01:10
572
原创 可用于部署 DeepSeek 的国产 GPU 计算卡
JM 系列与 DeepSeek-R1-Distill-Qwen-1.5B 和 DeepSeek-R1-Distill-Qwen-7B 模型完美融合，景宏系列全面适配 DeepSeek R1 全系列模型，覆盖从 1.5B 到 70B 参数规模。宣布与 Gitee AI 合作，完成了与 DeepSeek-R1 模型的适配工作，并已上线多个大模型服务，包括 1.5B、7B、14B 等版本。通过多台搭载芯瞳 GPU 的电脑组建集群，支持 DeepSeek V3 和全量 R1 模型，适用于大型企业。
2025-02-20 10:36:07
685
原创 目前有哪些国产GPU支持DeepSeek？国产GPU支持的DeepSeek模型的性能如何？DeepSeek模型与其他模型相比有什么优势？没有CUDA的GPU可以部署Deepseek
适配了DeepSeek-R1/V3 671B原生模型、DeepSeek-R1-Distill-Qwen-1.5B/7B/14B/32B、DeepSeek-R1-Distill-Llama-8B/70B，通过燧原AI加速卡实现高效计算。适合复杂任务处理和高精度场景，如长文档分析、多模态推理、科研计算等，在逻辑推理、代码生成等任务中达到与GPT-4、Claude-3.5-Sonnet相近的性能，甚至超越部分开源模型如Llama-3.1-405B。
2025-02-20 09:41:12
1820
原创 安装最新版的python3.15后，无法pip install openai，排查先降版本安装的 Python 3.8，但没有自带 pip，可以通过以下几种方法来安装 pip
最近为进行deepseek接口的对接，打算在idea引用一个openai的库，但是发现python3.15更新新版后，无法pip install openai。最后，在windows的dos窗体中安装 openai，可以有两种方法，一种就是直接官网方式安装。get-pip.py 是官方提供的用于安装 pip 的脚本。
2025-02-18 16:14:36
638
原创 又是阿里云作怪，IntelliJ IDEA执行远程服务器上的程序，报错IDE上的Java版本与项目结构设置（SDK版本不同），如何可以阿里云上修改linux默认java路径。
因需要在本机IDEA中调用云服务器上的源码，进行测试代码运行，IDEA默认借用云上的SDK,其中包括JDK，但原本机IDEA需要1.8以上版本JDK才可以运行，系统调用云中的JDK版本不对，但本人记得之前我已经改过云上的JDK是23版的，现在又报错，经判断查出原因就是阿里云经常YUM UPDATE后，或初始化安全检测后，自动将我的JDK路径又指去了1.8版。如果系统中已经配置了多个 Java 版本，该命令会列出所有可用的 Java 版本，并让你选择默认使用的版本。这里的1是优先级，数字越大优先级越高。
2025-02-17 16:37:26
567
原创 在 CentOS 中不能直接采用yum安装 OLama ，需要如何解决？
如果无法找到合适的二进制包，建议通过源代码安装 OLama，或者联系 OLama 的维护者，询问是否有专门针对 CentOS 的二进制包。可能不太常见，因为 OLama 并不是一个官方的 CentOS 包。在安装 OLama 之前，需要先安装一些必要的依赖项。（Yet Another Meta Package）安装。在 CentOS 中，可以将 OLama 的路径添加到。将实际构建路径替换为。
2025-02-17 11:15:00
469
原创 如何在在 CentOS 中安装 OLama
完成以上步骤后，OLama 应该成功安装，并且可以在CentOS上使用。接下来，你可以根据需要进行进一步的配置和扩展。这会启动一个不可中断的OLama服务，通过标准输入输出（stdin/stdout）接收请求。在安装 OLama 之前，需要先安装一些必要的依赖项，包括编译器、框架和工具。OLama 的一些组件需要额外的依赖项。这会运行OLama的测试用例。如果测试通过，说明安装成功。如果编译过程中遇到错误，可以检查错误信息并相应处理。是一个相对直接的过程。为OLama实际的构建目录路径。
2025-02-17 11:13:54
924
原创 部署 DeepSeek 需要安装OpenLIama（即 OLama）
OLama 是一个轻量级的 LLM 软件引擎，用于快速部署和运行大型语言模型（LLM）。它是 DeepSeek 的核心依赖之一，负责处理模型的加载和服务器端的推理。
2025-02-17 11:06:03
1259
原创 在企业内部私有化部署 DeepSeek 或其他 AI 大模型时，基于一般场景的最低硬件配置建议
CPU：Intel Core i5 或 AMD Ryzen 5000 系列（4 核心以上）。GPU：支持深度学习的 GPU（如 NVIDIA RTX 20/30/40 系列或 AMD Radeon VII）。内存：32GB 或更高。存储：1TB 硬盘或更大。网络：1Gbps 以太网接口。如果模型规模较大或推理任务复杂度较高，建议升级至更高性能的硬件配置（如 6 核 CPU + 32GB GPU）。
2025-02-17 10:56:58
1037
原创 需如何在企业内部（非云服务方式）部署DEEPSEEK或AI大模型，尤其是最低配置的情况？
容器编排系统，比如Kubernetes，适合企业内部的资源管理和自动化部署。在企业内部部署 DeepSeek 或其他 AI 大模型，最低配置方案可以基于容器化部署、容器编排系统或微服务架构实现。因此，提供既实用又不耗资源高的方案。云原生方案如AWS ECR和Kubeflow，虽然需要云资源，但适合快速部署和扩展。可考虑几种部署方式，比如容器化部署、容器编排系统、微服务架构，以及云原生解决方案。最后，结合企业实际情况选择方案，如使用容器化部署加%pam，或者微服务架构，根据现有资源和复杂性来决定。
2025-02-17 10:44:10
1167
原创 又是阿里云npm install报错：ENOENT: no such file or directory, open ‘/root/package.json‘
具体错误信息为 ENOENT: no such file or directory, open '/root/package.json'，意思是 npm 尝试读取 /root/package.json 文件，但该文件并不存在。总结，十分判断阿里云的LINUX，因为他本身有很多的判断配置文件都是缺失，或路径不对，从而造成很多配置上的问题，一般小白部署环境不会搞，就会又得买他们服务。在错误信息中可以看到 verbose cwd /root，这表示当前工作目录是 /root，你需要进入到实际的项目目录。
2025-02-14 11:51:15
926
原创 基于预算有限及研发工作为主，对i7 cpu进行xeon系列平替的比较
大多数搞研发的朋友们，以前可能不太会自己搭建服务器来搞开发，毕竟那玩意儿费电又费钱。但现在市面上那些老旧的服务器CPU价格都跌到地板上了，所以咱们得考虑性价比，找个差不多的替代品。于是我就弄了个XEON E5系列和Intel i7/Xeon X79/X99的性能对比表，大家参考一下。
2025-02-14 10:43:11
389
原创 Intel i7系列CPU替换为Xeon X79或X99架构的CPU替代方案和对比分析
Intel i7系列CPU替换为Xeon X79或X99架构的CPU，需要从性能、功耗、兼容性、价格和应用场景等多方面进行分析。
2025-02-14 10:29:54
987
原创 Intel i7 CPU各代之间性能概览及现今PC主流CPU采购
从第一代到第13代，Intel i7 CPU在核心数、线程数、频率、缓存和制程工艺等方面都有显著提升。最新代的i7 CPU不仅性能强劲，而且能效更高，适合高性能需求的用户。选择时应根据具体需求和预算来决定，如果对性能要求较高，最新代的i7 CPU会是更好的选择。
2025-02-14 10:16:06
1484
原创 在国产信创领域，海光7285 32C处理器与Intel至强处理器、AMD EPYC处理器、华为鲲鹏920的性价比对比
在国产信创领域，海光7285在性能、生态适配和安全自主可控等方面表现均衡，价格也有一定优势，性价比相对不错；Intel至强处理器和AMD EPYC处理器在性能上有优势，但在安全自主可控和国产信创生态适配方面相对较弱，价格也较高，性价比在国产信创场景下相对较低。核心数量和线程数多，多核性能优势明显。以64核心的鲲鹏920为例，比Intel至强8180性能高33%左右，在多线程能力上表现出色，功耗也较低。基于ARM架构，与x86架构软件生态差异大，需专门适配优化，不过在ARM生态内的软件兼容性较好。
2025-02-12 12:13:26
621
原创 海光 7285 32C处理器与Intel、AMD、华为鲲鹏920对比
海光7285处理器在多核性能和能效方面表现出色，适合云计算、大数据和AI等场景，尤其在中国市场有较强的竞争力。而Intel和AMD则在全球市场有着更广泛的应用和生态系统支持，适用于更广泛的高性能计算和企业级应用。华为处理器则在能效和AI领域有独特优势。在选择处理器时，需根据具体应用场景、性能需求以及预算来决定。海光7285适合需要高性能和高性价比的用户，而Intel和AMD则适合对单核和多核性能有更高要求的场合。
2025-02-12 12:03:18
1845
原创 阿里云ECS上升级mysql为8.0.36后，没有my.cnf配置文件，以及mysql.sock套接字文件,brltty[859],[innoDB]等五种报错综合解决。
ERROR 2002 (HY000): Can't connect to local MySQL server through socket '/var/lib/mysql/mysql.sock' (2)和brltty[859]: file system mount error: usbfs[brltty-usbfs] -> /run/brltty/usbfs: No such device和[InnoDB]Plugin initialization aborted with error Generic e
2025-02-10 12:19:49
1148
原创 重装xwindow，采用yum remove xorg-X11*指令后，TOMCAT却提示JAVA又找不到。如何恢复被yum remove掉的包？
原本想在阿里云上重装xwindow，根据过去AI教程说需要先利用sudo yum remove xorg-x11*，对相关的包全部移除，没有注意到相关的包可能有太多涉及其他服务应用的内容，全部清了后连JAVA的包也被清了，可恶的就是连我的python3都清了。也必须要及时发现时候，尽快恢复被删除的包。找到移除软件包的操作记录：在历史记录中找到执行 yum remove 操作的那一条记录，记录下其 ID 号。yum history 命令可以记录 yum 的操作历史，你可以通过它来恢复之前移除的软件包。
2025-02-07 10:32:50
538
原创 问题一：因阿里云ECS安装 TOMCAT后，使用远程管理出现403报错403 Access Denied。问题二：重装TOMCAT，新版启动tomcat服务假装成功，却一直没有启动，端口没有占用。
问题一：因阿里云ECS安装 TOMCAT后，使用远程管理出现403报错403 Access Denied。问题二：重装TOMCAT，新版启动tomcat服务假装成功，却一直没有启动，端口没有占用。
2025-02-06 18:26:23
1073
原创 阿里云ECS目录中的TOMCAT目录下conf配置子目录下，不断重复上一层目录内容，嵌套N层一样的目录及文件在conf目录下。
无意中登录阿里云上的ECS配置TOMCAT,发现tomcat目录中的conf子目录，里面不断有重复的整个上级tomcat目录中内容，且只需在conf目录中不断重复，初步怀疑应该是阿里云出了问题，或安全漏洞。解决方法，可能只能更新一个tomcat或将conf目录下无用下级子目录及所有内容删除，并且修改其目录权限。
2025-02-05 17:27:05
234
原创 python中运行阿里百炼的通义千问openai样例时报错：from openai import OpenAIModuleNotFoundError: No module named ‘openai
python中运行阿里百炼的通义千问openai样例时报错：from openai import OpenAIModuleNotFoundError: No module named 'openai
2025-02-05 15:56:48
1708
1
原创 关于用户真实性格特点使用AI人工智能的解决方案灵感-如何利用AI技术实现社交软件中的人机对话，以提高社交APP软件用户粘度？（二）
角色化AI伙伴：设计具有独特人设（如导师、密友、玩伴）的虚拟形象，通过动态对话和表情动作增强真实感。-剧情互动：结合游戏化设计，让用户通过对话解锁故事线或任务（如解谜、角色扮演）。-日常习惯养成：AI作为“监督伙伴”，提醒用户完成目标（如健身、学习），增强依赖感。-新用户冷启动：AI充当“虚拟好友”，帮助新用户快速适应平台，缓解无人互动的尴尬。-实时翻译：支持跨语言聊天，打破社交边界（如Tandem的AI翻译功能）。- 提供“AI训练”功能，让用户通过反馈调整对话风格（如幽默/严谨）。
2025-01-26 14:57:50
852
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