u014196765的博客

如果你还没有安装，可以评论区一键三连留言，领取纯干货部署教程。

清华新出的KTransforers方案要部署满血 4bit量化版 DeepSeek居然得382GB内存，而我并没有这么大的内存机箱，而我目前有的是4张48G内存条，以及一个配有4090的台式机，那么我可以跑起来吗？答案是全参1.58bit或者1.73量化版deepseek还是可以尝试下的，经过一个星期努力，终于配置上了满血1.73bit量化版deepseek。

链接：https://developer.nvidia.com/cuda-toolkit-archive。安装完成后，可以使用命令。或者使用NVIDIA 控制面板查看。1、首先下载cuda。

OLLAMA_HOST=0.0.0.0:11434 ，11434 是默认端口，我的电脑禁用默认这个端口，所以这里我改成了9090.下载并运行deepseek-r1:7b模型，命令。这里是windows部署，首先下载ollama。OLLAMA_MODELS=你存放模型的文件夹。

生成了两个分辨率 544x960， 24帧 2s 视频在一台 RTX 4090 上，分别耗时433s，839s如下图所示：这里我使用的时4090显卡，运行时效果。

Hugging Face 是一个流行的开源平台，提供大量的预训练模型（如BERT、GPT、T5等）和工具库（如Transformers、Datasets）。以下是下载和使用 Hugging Face 模型的详细步骤：首先安装 库，它提供了加载和使用模型的接口： 如果处理数据集，建议同时安装 库： 根据模型需求，可能还需安装 PyTorch 或 TensorFlow： 二、快速使用模型（Pipeline） Hugging Face 提供了 API，可快速调用模型完成常见任务（如

使用代码模型下载地址：下面bai是你的电脑用户名称。

一种用命令：nvidia-smi另外一种控制面板看。

ComfyUI是一个创新的Stable Diffusion AI绘图工具WebUI，它采用节点流程式设计，将Stable Diffusion的操作流程细分为多个节点，从而实现了更高精度的工作流定制与优秀的可复现性。相较于传统WebUI，ComfyUI不仅操作更为流畅，还大幅降低了显存使用，提升了效率。作为一个功能全面、模块化设计的扩散GUI及后端解决方案，ComfyUI提供了一个直观的图形/节点/流程图界面，支持用户创建复杂而精细的稳定扩散工作流程。

多场景模拟：我们精心设计了多种对话场景，如餐厅点餐、机场出行、生活日常等，让你能够根据自己的实际需求选择练习场景，仿佛置身于真实的语言环境中。文字转声音技术：应用内置的先进文字转声音技术能够将文本实时转换为标准发音的语音，帮助你纠正发音，提高听力理解能力。互动式学习：通过模拟对话、角色扮演等互动式学习方式，让学习变得更加生动有趣，同时也能更好地锻炼语言实际应用能力。

我们的应用是一款结合了最新AI技术的创意工具，它能够根据用户的需求生成独特的头像。无论是基于文字描述（文生图）还是以现有图片为基础（图生图），我们的应用都能够提供个性化的解决方案，让每一个用户都能拥有一个独一无二的头像。

输入图片提示词，即可生成图片。

使用 VUE3，和 Express 开发一个红包封面。

github地址：https://github.com/baymax-collab/aitool。原来可以这样用GPT，批量做小电影。

这里会展示所有的conda环境，选择其中一个。进入file–>setting。点击刷新，展示你所有的库。

AudioCraft是一个PyTorch库，用于音频生成的深度学习研究。我们可以上传一段音乐，AI会根据音乐以及提示词，生成一段新的音乐。下面来看看具体安装。

中国科学技术大学： http://pypi.mirrors.ustc.edu.cn/simple/中国科技大学： https://pypi.mirrors.ustc.edu.cn/simple/清华大学： https://pypi.tuna.tsinghua.edu.cn/simple/清华源： https://pypi.tuna.tsinghua.edu.cn/simple/阿里云： http://mirrors.aliyun.com/pypi/simple/使用pip安装报错时，例如。

获取图像生成提示词（咒语），公众号：科技探幽，回复“mid”，获取详细教程。

人体姿态估计效果。

GPT推出了Fine-tune微调模型，让我们可以基于自己的数据，对GPT进行微调训练。这里不讲述概念，因为网上都是概念，这里直接上实操。下面我们根据Openai官方文档，来做基于gpt-3.5-turbo进行微调训练。

本篇文章写的是如何用GPT与向量数据库链接。为什么要用向量数据库。原因很简单，GPT再回答问题的时候，有时候会一本正经的胡说八道，有人称之为幻觉。所以这时我们可以用向量数据库，来存储我们想要的答案。下面就写下我是如何使用的，当然向量数据库也有别的用法，欢迎评论讨论。这里我使用的Milvus，当然你也可以用别的向量数据库。如何本地搭建向量数据库之前已经写过了，这里我们主要看看如何使用。这里我使用NodeJS的方式，链接向量数据库。

向量数据库Milvus本地如何搭建

wsl全称Windows Subsystem for Linux，windows电脑下的linux子系统，对于想用Linux的Windows用户来说wsl是一个不错的选择。

在发行版的命令行中执行 exit 或 logout 即可退出当前发行版。

视频高清化处理：python run.py --execution-provider cuda --frame-processor face_enhancer。使用GPU处理视频：python run.py --execution-provider cuda。只用CPU处理视频：python run.py。

至于infinigen是什么，网上很多，这篇文章主要是我安装的记录官网：https://infinigen.org/

1：占用显存需要10G左右2：自定义图片支持不好，我自拍了一张，图片处理后都变型了3：某些人脸支持，我从网络下载了一张照片，可以正常支持4：全身人物支持不好，上传了一张全身照，全身人物加载出来不正确。

So-vits-svc 基于端到端架构的VITS和soft-vc，用户只需准备几十分钟到几个小时不等的语音或歌声数据，就能制作（训练）属于自己的 AI 声库 （前提是你的显卡足够给力），将一段语音或歌声转换为你想要的音色。

pyinstaller打包Mediapipe时遇到的问题

So-vits-svc 基于端到端架构的VITS和soft-vc，用户只需准备几十分钟到几个小时不等的语音或歌声数据，就能制作（训练）属于自己的 AI 声库 （前提是你的显卡足够给力），将一段语音或歌声转换为你想要的音色。

https://github.com/dunnousername/Wav2Lip/releases下载解压运行文件start.bat

这里介绍windows下的安装1、安装git clone https://github.com/alievk/avatarify-python.gitcd avatarify-pythonscripts\install_windows.bat2、 下载资源包https://openavatarify.s3.amazonaws.com/weights/vox-adv-cpk.pth.tar下载完放在avatarify-python根目录3、windows运行cd C:\path\to\av

github地址：https://github.com/alievk/avatarify-python在研究智能识别人脸过程，运行工程报错，有下面两个，记录一下代码报错1[1593366601.652137] Loading PredictorC:\Users\thepc\avatarify\afy\predictor_local.py:34: YAMLLoadWarning: calling yaml.load() without Loader=… is deprecated, as the de

需求/问题电脑只能安装一个cuda，但是往往研究tensorflow-gpu的时候，可能需要多个版本的cuda，利用conda可以实现安装多个版本。安装教程查看当前cuda版本nvcc -V查看conda支持的cudatoolkit版本，这个命令就是看下版本支持，看看就行。下面的命令查看cudnn版本比较重要conda search cudatoolkit --info支持cudnn的版本，这里我们安装cudnn7.6.5，cuda10.1，需要的cudatoolkit是10.1co

有时候网站访问不了，此处存一份https://www.tensorflow.org/install/source_windows?hl=zh-cn版本 Python 版本 编译器 构建工具 cuDNN CUDAtensorflow_gpu-2.6.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2tensorflow_gpu-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2tensorflow_gpu-2.4.0 3.6-3.8

# 查看conda安装了哪些环境conda info --env#（1）创建虚拟环境，同时指定python版本conda create --name paddle_env python=3.8 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ # 这是一行命令#（1）创建虚拟环境，同时指定python版本conda create -n py37 python=3.7#（2）激活环境activate py37

cuda多版本安装，cuda正常安装即可，然后修改环境变量中的东西1、修改环境变量中的path路径改为非实际路径，比如v10.0改为v10.0.0122、环境变量中将CUDA_PATH，NVCUDASAMPLES_ROOT修改真实路径

conda新增python环境#（1）创建虚拟环境，同时指定python版本conda create --name paddle_env python=3.8 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ # 这是一行命令#（1）创建虚拟环境，同时指定python版本conda create -n py37 python=3.7#（2）激活环境activate py37#(3) 注销or退出当前

1、卸载tensorflow cpu版问题：使用conda uninstall tensorflow总是不成功。原因：当时安装使用的pip安装的，所以用pip uninstall tensorflow成功了2、cuda安装为10.2问题：cuda安装的版本，tensorflow正好不支持这个版本，就是不支持10.2的，结果就是安装10.2的，结果又卸载CUDA。https://www.tensorflow.org/install/source_windows解决办法：卸载CUDA。1、在程序

官网文档链接https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.3/contrib/PP-HumanSeg此处PaddlePaddle安装了GPU版本，速度会比较快。文档已经很详细，不再多说，我也是按着文档来的。此处只是标记下文档的位置，方便以后自己学习。...