- 博客(34)
- 收藏
- 关注
RSS订阅原创 Conda 环境的 CUDA PATH 配置指南
conda 环境里装了 CUDA Toolkit，但 `nvcc`、cuBLAS 头文件或运行时库仍然指向系统的旧版本（通常是 `/usr/local/cuda/`），导致编译或运行时版本不匹配。
2026-07-03 12:46:53
216
原创 conda环境中conda和Pip 包安装缓慢问题解决
底层GPU/系统依赖：使用Mamba安装（CUDA、cuDNN、NCCL、编译工具链），实现多版本CUDA隔离，规避底层库冲突。上层Python业务/模型依赖：使用uv pip安装（vllm、transformers、微调工具、接口框架等），替代慢速原生pip。禁止：禁止混用 conda、pip/uv 安装同一类包，避免依赖树错乱、版本冲突、求解卡顿。
2026-07-02 16:51:38
275
原创 Unlimited-OCR部署与测试
少量内容：速度几乎平稳；内容持续增多：先缓慢变慢；大量图片 + 长上下文：延迟快速飙升，呈现明显的非线性降速；到达上下文窗口上限：要么直接 OOM，要么推理卡死。
2026-06-26 13:47:28
519
1
原创 ubuntu下llama.cpp安装
作用：把 FP16 大模型压成 4bit/5bit/8bit，大幅降低显存占用。测试每秒生成 token、显存占用、推理速度。把文档 / 问题转为向量，用于相似度检索。在浏览器上打开下列链接，即可开始对话。每秒 token 数，数值越大越快。数值越低，模型理解、生成越准确。压缩成 4bit 使用。
2026-06-18 18:39:54
876
3
原创 Linux 下 Docker 安装教程（2026）
1.4、添加国内清华 Docker 镜像源（解决 SSL / 网络问题）1.3、添加 Docker 官方 GPG 密钥。1.6、安装最新版 Docker包。1.1、先清理旧环境（必须执行）访问官网 ----> 选择。1.2、安装依赖工具。1.7、验证安装成功。
2026-04-02 09:58:03
4577
5
原创 MCP服务器搭建
MCP 全称，是由 Anthropic 推出的，核心作用是让 AI 模型 / 应用与外部工具、数据源实现的协作，解决了不同系统间 “沟通规则不统一” 的问题。
2026-03-31 17:34:34
643
原创 大模型应用开发Dify 安装、使用（小白超详细所用功能2026）
没有提示词 = AI 乱回答有提示词 = AI 按你的要求乖乖回答变量 = 让 AI 能 “读取外部数据” 的通道没有变量 = AI 只能瞎编有变量 = AI 能使用真实业务数据在 Dify 中，知识库（Knowledge Base）是基于RAG（检索增强生成）技术的核心模块，专门用来解决大模型“知识过时、不懂专业内容、容易瞎编（幻觉）”三大痛点。提示词定规矩，变量传数据，知识库给 “真知识”。Dify 文本生成（Text Generator）是一种一次性、单向、无对话记忆。
2026-03-30 09:32:53
21285
7
原创 Windows 下 Docker Desktop 安装教程及常用命令（2026 最新）
最佳版本必选后端Hyper-V（不要用 WSL2）核心步骤：开启 Hyper-V → 装 4.23.0 → 选 Hyper-V 引擎。
2026-03-25 15:01:30
20263
6
原创 PaddleOCR系列——《文本检测、文本识别》模型训练
上面已经制作完数据集 ，现在开始进行模型训练。数据集制作请参考：PaddleOCR系列——《文本检测、文本识别、表格结构》数据集制作_ppocrlabel-优快云博客官方文档：文本检测模块 - PaddleOCR 文档文本识别模块 - PaddleOCR 文档https://github.com/PaddlePaddle/PaddleOCR.git再或者GitHub - PaddlePaddle/PaddleOCR: Turn any PDF or image document into structur
2026-03-20 15:39:32
985
原创 PaddleOCR系列--《表格单元格检测模块》数据集制作
表格单元格检测模块是表格识别任务的关键组成部分，负责在表格图像中定位和标记每个单元格区域，该模块的性能直接影响到整个表格识别过程的准确性和效率。表格单元格检测模块通常会输出各个单元格区域的边界框（Bounding Boxes），这些边界框将作为输入传递给表格识别相关产线进行后续处理。注意：“单元格检测模型”返回的是表格中每个单元格坐标框（包括合并的），与后面的“表格结构识别模型”息息相关，当然也可以自己写算法，自己排列这些坐标框组成完整表格（官方“表格结构识别模型”实在有些一言难尽）
2026-03-18 10:17:03
545
原创 PaddleOCR系列--《文档图像方向分类模块》数据集制作
Labelme 是一个 python 语言编写，带有图形界面的图像标注软件。可用于图像分类，目标检测，图像分割等任务，在目标检测的标注任务中，标签存储为 JSON 文件。
2026-03-02 09:55:08
1082
原创 PaddleX本地安装教程
PaddleX 3.0 是基于飞桨框架构建的低代码开发工具，它集成了众多开箱即用的预训练模型，可以实现模型从训练到推理的全流程开发，支持国内外多款主流硬件，助力AI 开发者进行产业实践。下面主要是官方文档，源地址：PaddleX 文档官方文档：开始使用_飞桨-源于产业实践的开源深度学习平台PaddlePaddle3.3安装，cuda12.6二、PaddleX安装注意：若您使用PaddleX的应用场景为二次开发 （例如重新训练模型、微调模型、自定义模型结构、自定义推理代码等），那么推荐您使用功能更
2026-02-14 18:49:16
1631
原创 PaddleOCR系列--《版面区域检测模块》数据集制作
Labelme是一个python语言编写，带有图形界面的图像标注软件。可用于图像分类，目标检测，图像分割等任务，在目标检测的标注任务中，标签存储为JSON文件。
2026-02-09 13:09:32
734
原创 Windows通过SSH连接Linux服务器激活conda环境完整解决方案总结
Windows系统通过SSH工具连接Linux服务器后，执行conda环境激活命令（如conda activate 环境名）失败；- bash- fish- tcsh- xonsh- zsh执行conda init bash时，终端显示全量“no change”，提示无需重复初始化，但环境仍无法激活。
2026-01-26 09:23:25
707
原创 PaddleOCR系列——基础环境安装及快速使用
PaddleOCR 是百度飞桨 (PaddlePaddle) 团队开发的开源 OCR 工具库，致力于打造丰富、领先且实用的 OCR 解决方案，打通数据准备、模型训练、压缩和推理部署全流程，是目前中文及多语言场景下最受欢迎的 OCR 工具之一，接下来进行介绍。相关参考连接：PP飞桨官网（深度学习框架）：开始使用_飞桨-源于产业实践的开源深度学习平台PaddleOCR github：PaddleOCR/readme/README_cn.md at main · PaddlePaddle/PaddleOCRPad
2026-01-20 11:10:32
1855
原创 Miniconda安装与使用
n（指定环境名）、-y（自动确认）、-c（指定安装通道）是 Conda 高频通用参数，需重点记忆。切换环境、迁移环境，是多项目隔离开发的核心操作。conda list 包名精准查包版本，定期清理缓存，调整默认行为提升使用体验。查包版本、回滚环境，能解决 80% 的包版本冲突问题。排查通道问题，通道优先用，能获取更全的包。conda run免激活执行脚本、克隆环境，大幅提升多环境管理效率。WindowsC:\Users\你的用户名\pip\pip.ini（无pip文件夹则新建）
2025-12-26 17:55:20
2512
原创 GCC从7.3到8.4（Kylin V10）
在麒麟Linux Advanced Server V10（Kylin V10）上升级GCC从7.3到8.4，需注意系统兼容性（麒麟V10默认gcc版本通常为7.3/8.3，视具体子版本而定）。推荐通过。
2025-11-07 18:47:02
577
原创 yolov8训练滑块验证码识别模型：第三章：yolov8模型推理【libtorch，opencv】
现在进行yolov8模型调用推理，我用的语言是c++，因为c++没有yolo库，所以得代码进行前推理和后推理。此推理是c++实现，若是python进行推理，可以参考我第二章的模型验证部分。yolov8训练滑块验证码识别模型：第二章：制作数据集+训练+验证-优快云博客。
2025-09-19 11:20:13
948
原创 yolov8训练滑块验证码识别模型：第二章：制作数据集+训练+验证
这样就完成了数据集制作、训练、验证，下一章讲解该如何运用模型进行推理。环境配置可以去看我上一章：yolov8训练滑块验证码识别模型：第一章：yolov8环境配置（linux）-优快云博客t=P7R7t=P7R7yolov8训练滑块验证码识别模型：第一章：yolov8环境配置（linux）-优快云博客https://blog.youkuaiyun.com/xin_yao_xin/article/details/151328652?
2025-09-09 17:25:56
1742
原创 yolov8训练滑块验证码识别模型：第一章：yolov8环境配置（linux）
要安装和cuda版本匹配的pytorch，我安装pytorch是在conda环境中安装的，只用于当前环境，可以每个环境安装不同版本的pytorch，当然也可以全局安装。进入Ultralytics YOLO 文档配置环境，里面讲解很清楚，包括快速入门、预测、训练模型等。如果已经安装，只想在conda环境中安装开发版本，用下方命令。下载想要的版本，我这边是8.2，压缩包下载。，那你是没换源，可以用临时的源，用个清华的。码云：不用挂梯子，但版本不全，缺少老版本。国内速度贼慢，极不推荐，就不详细讲了。
2025-09-09 10:40:40
754
原创 opencv库和torch库编译时因编译器版本不同导致的错误
用的libtorch库需要设置 C++ 编译器，使用 C++14 标准进行编译；而opencv库是用C++11标准进行编译；就出现编译出来的库识别错误，从而报错；
2025-08-05 14:49:23
267
原创 LLaMA-Factory部署、自定义数据集、模型微调、模型调用（NVIDIA）
具体用什么数据集要看自己的具体需求，我采用的是Alpaca 格式，需要将配置文件放到data目录下，并在LLaMA-Factory|微调大语言模型初探索(2)，训练自己的聊天机器人_ai 训练 数据集 参数 说明 "instruction":"","input":"""output-优快云博客。
2025-03-17 10:46:19
6211
10
原创 AnytingLLM访问服务器上本地deepseek，并构建自己知识库
在ubuntu服务器上部署了deepseek，想要通过windows客户端访问，便使用了AnytingLLM，不但可以使用服务器上AI模型，还可以根据自己准备的数据文档进行“微调”，下面是教程；
2025-02-26 12:58:41
1313
原创 Linux下c++实现QT的信号和槽
在linux下移植代码时有QT部分，但代码量不多，不想再专门弄QT库，于是就仿照QT样式写了此代码，期间参考了下面链接；不过上方链接信号槽实现只有同步信号槽，自己又修改并添加异步信号槽；
2025-02-22 13:17:54
556
原创 Linux下C++定时器功能实现
在Centos下移植旧项目代码，又不想使用三方库占用本就不多的内存空间，就参考windows MFC中定时器实现了一下，开始使用的是”“机制是实现定时器，但注册信号触发时会中断一些其他api：sleep()和usleep()的延时功能会失效。如果在malloc或free执行过程中被信号中断，而信号处理函数又调用了malloc或free，可能会破坏内存管理的数据结构，导致内存泄漏或程序崩溃。printffreadfwrite等，这些函数在操作文件流时会维护一些内部状态。
2025-02-22 11:32:36
852
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人