Eric Woo

上一篇，安装好 Windows 本地步骤后，如果发现在。显示 CUDA Version: 12.6。如图，选择系统具体类型后安装。中 GPU 显示 0%。显示 cuda_12.2。

当安装某版本的 deepseek 后执行后：显示 deepseek-r1:671b 版本模型需要更大的物理内存：

上一篇中，使用命令可以查看已安装模型，可进行删除，或安装其他版本。

Windows 管理员启动：命令提示符。macOS 启动：Terminal。

点击 Download - Download for macOS。DeepSeek R1 版本。打开 Terminal。

点击 Download - Download for Windows。其中，Memory Size 为显存大小。搜索 cmd - 以管理员身份运行。下载 DeepSeek R1。安装 Ollama 程序。GPU-Z 显卡信息。

Flask 是一个轻量级的 WSGI Web 应用框架。它旨在使入门快速且简单，同时具有扩展到复杂应用的能力。Flask 最初是一个围绕 Werkzeug 和 Jinja 的简单封装，现在已成为最流行的 Python Web 应用框架之一。以下为离线安装包，包含目前各主版本及其依赖：1.1.2，2.0.0，3.0.0，Python 建议安装 3.8 及以上版本。

人类用户的低采纳率常常阻碍AI算法实现预期的效率提升。这一点尤其适用于优先考虑系统整体目标的算法，因为这些算法可能导致激励不一致，并引起潜在用户的困惑。我们利用大型网约车平台的算法推荐推广，提供了关于算法厌恶的大规模实地研究。我们确定了情境经验和从众行为是解释网约车司机对帮助他们做出更好位置选择的算法的厌恶的两个重要因素。具体来说，当算法推荐与司机在特定地点和时间单位的过往经验不一致，或当同侪行为与算法推荐相矛盾时，司机更不可能遵循算法推荐。我们讨论了这些发现的管理启示。

最近邻算法是一种基于距离的算法，它通过计算数据点之间的距离来查找给定数据点的最近邻居。常用的距离度量包括欧氏距离、曼哈顿距离和余弦相似度等。最近邻算法的优点在于简单易懂且无需假设数据的分布形式，适用于各种类型的数据。

在本文中提出了一种简单且可扩展的检测算法，相对于VOC 2012先前的最佳结果，平均精度（mAP）提高了30%以上，达到了53.3%的mAP。由于本文将区域提议与CNN结合在一起，因此将此方法称为R-CNN：具有CNN特征的区域。本文还将R-CNN与OverFeat进行了比较，后者是一种基于类似CNN架构的滑动窗口检测器。（2）在标记的训练数据稀缺时，针对辅助任务进行监督预训练，然后进行领域特定的微调，可以显著提高性能。（1）可以将高容量的卷积神经网络（CNN）应用于自下而上的区域提议，以定位和分割物体；

在测试数据上，实现了39.7%的top-1错误率和18.9%的top-5错误率，这比以前的最先进结果要好得多。这个神经网络有6000万个参数和500,000个神经元，由五个卷积层组成，其中一些后面跟着最大池化层，并且有两个全局连接层，最后是一个1000路softmax。为了减少全局连接层的过拟合，采用了一种新的正则化方法，证明非常有效。文章训练了一个大型的深度卷积神经网络，将LSVRC-2010 ImageNet训练集中的130万张高分辨率图像分类为1000个不同的类别。