Cherry studio搭建deep seek 知识库

cherry studio下载官网

官网下载地址:https://cherry-ai.com

GitHub地址:https://github.com/kangfenmao/cherry-studio

🎨 Cherry Studio 是什么?

Cherry Studio 是一款专为浪漫幻想家、萌系设计师和灵魂治愈师打造的 创意魔法小屋
无论是画插画、做手账、设计小贴纸,还是给生活加点“甜度”,这里都能满足你对“可爱一切”的幻想~

🍭 核心功能:甜甜圈式灵感爆发!

  1. ✨ 一键萌化滤镜
    • 普通照片秒变「日漫风」大头贴,自动添加粉嫩腮红、星星眼特效,连猫咪都能变成卡通主角!
  2. 🎀 软萌画笔工具集
    • 独家笔刷:云朵笔刷(画奶油感线条)、糖霜笔刷(闪闪发光)、毛绒笔刷(质感像摸到小熊耳朵~)。
  3. 🌸 手账星球模板库
    • 1000+ 可爱模板:学习计划表、追星记录、奶茶打卡页…自带 会动的小表情 和 治愈系背景音(比如敲键盘时的“布丁Duang~”声)。
  4. 🍒 虚拟樱桃助手
    • AI小助手Cherry酱常驻角落,随时卖萌提醒:“休息一下,喝杯樱桃汽水吧~”,还会用颜文字帮你改文案 (✿◕‿◕✿)。

🌟 独家可爱亮点

  1. 颜色库叫「糖果罐」
    • 所有色号以食物命名:“草莓奶霜”粉“薄荷苏打”蓝“焦糖布丁”黄…选色时仿佛在挑甜品!
  2. 隐藏彩蛋小游戏
    • 连续签到7天解锁「猫咪咖啡屋」小游戏,给虚拟猫猫换装,赚取限定贴纸~
  3. 社恐友好社交功能
    • 用“樱桃信使”匿名分享作品,收获陌生人的 暖心小纸条(比如“你画的云朵像棉花糖,看饿了哈哈”)。

🌈 为什么选Cherry Studio?

  • 治愈力MAX:每个细节都在对抗成人世界的枯燥!
  • 零门槛快乐:不需要专业技巧,随手涂鸦也能变艺术品。
  • 万物皆可萌:连PDF导出界面都会弹出“要打包小可爱们啦~”的提示语。

1.点击下载客户端,进行下载

2.在下载处右击点保留,然后点击仍要保留

3.点击下一步,然后自行选择路径进行安装5.打开软件,点击设置

6.点击硅基流动,点击“这里获取密钥”

7.注册硅基,在API密钥中->新建API密钥,复制密钥,然后进入cherry studio,填入API密钥,再点击检查,成功后,ON打开

8.点击深度求索,在API密钥中点击”点击这里获取密钥“,进入deep seek,在API keys中,点击->新建API密钥,复制,然后进入cherry studio,填入API密钥,再点击检查,成功后,ON打开

9.点击1,然后->2,这里我选择的是R1,然后就可以正常交流

最后一句灵魂暴击💘

“生活已经很苦了,至少你的创作世界要像樱桃一样甜!” —— Cherry酱的晚安语音

Cherry Studio,把日常变成童话吧~ 🍰🎠
(小声:听说深夜使用会增加遇见「灵感小精灵」的概率哦~)

### 使用Cherry Studio进行Deep Seek模型训练 在介绍如何使用Cherry Studio进行Deep Seek模型训练之前,先理解什么是Deep Seek以及其应用场景非常重要。Deep Seek是一种专门设计用于处理复杂数据模式识别的任务,尤其适用于图像、音频和其他高维数据集。 对于准备阶段,在启动任何建模工作前,确保已经安装并配置好了Cherry Studio环境[^1]。这通常涉及到设置Python虚拟环境,并通过pip或其他包管理工具来安装必要的依赖库。 一旦准备工作完成,可以按照如下方式来进行Deep Seek模型的训练: #### 数据预处理 加载和清理数据是至关重要的一步。利用Pandas或Numpy这样的库可以帮助有效地读取CSV文件或者其他格式的数据源。接着对这些原始数据执行标准化/归一化操作以提高后续学习过程的效果。 ```python import pandas as pd from sklearn.preprocessing import StandardScaler data = pd.read_csv('path_to_your_data.csv') scaler = StandardScaler() scaled_features = scaler.fit_transform(data.drop('target_column', axis=1)) ``` #### 构建模型架构 定义神经网络结构时可以选择Keras或者PyTorch框架下的APIs。这里假设采用的是基于TensorFlow的高层接口——tf.keras.Sequential API构建简单的卷积神经网络(CNN),当然也可以根据具体需求调整层数量及参数设定。 ```python import tensorflow as tf model = tf.keras.models.Sequential([ tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(height, width, channels)), tf.keras.layers.MaxPooling2D((2, 2)), ... ]) ``` #### 编译与拟合模型 编译步骤指定了损失函数(loss function)、优化器(optimizer)以及其他评估指标(metrics);而fit方法则用来实际运行训练循环,传入特征矩阵X_train及其对应的标签y_train即可开始迭代更新权重直至收敛。 ```python model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) history = model.fit(X_train, y_train, epochs=num_epochs, validation_split=0.2) ``` 以上就是在Cherry Studio环境下搭建并训练一个名为Deep Seek的深度学习模型的大致流程概述。
评论 2
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

打赏作者

CHG727

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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