<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/finly4599</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; finly4599]]></copyright><item><title><![CDATA[【无标题】]]></title><link>https://blog.csdn.net/finly4599/article/details/165000615</link><guid>https://blog.csdn.net/finly4599/article/details/165000615</guid><author>finly4599</author><pubDate>Mon, 14 Sep 2026 11:29:51 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[高德开放平台Skill调用]]></title><link>https://blog.csdn.net/finly4599/article/details/160932607</link><guid>https://blog.csdn.net/finly4599/article/details/160932607</guid><author>finly4599</author><pubDate>Sat, 09 May 2026 19:17:44 +0800</pubDate><description><![CDATA[本文介绍了高德地图开放平台的注册和使用流程：首先在官网注册账号并完成支付宝实名认证，随后进入管理控制台创建新应用获取Key。文章还提到高德地图的Skill专区，可用于智能座舱、企业服务等场景。整个流程包括账号注册、实名认证、应用创建和功能调用四个主要步骤。]]></description><category></category></item><item><title><![CDATA[openclaw部署]]></title><link>https://blog.csdn.net/finly4599/article/details/159433415</link><guid>https://blog.csdn.net/finly4599/article/details/159433415</guid><author>finly4599</author><pubDate>Tue, 24 Mar 2026 19:16:44 +0800</pubDate><description><![CDATA[本文介绍了openclaw系统的完整部署流程，包括腾讯云环境搭建、本地通信平台配置、大模型接入和飞书集成四个关键环节。首先在腾讯云创建云服务器并配置5天免费试用；然后通过codebuddy平台建立本地通信环境；接着选择智谱大模型API并配置API-KEY；最后详细说明了飞书机器人的创建、事件回调设置以及与腾讯云服务器的对接过程。通过图文结合的方式展示了各环节的配置界面和最终效果，为开发者提供了一个完整的AI助手部署方案。]]></description><category></category></item><item><title><![CDATA[Cursor编程-合并excel表格]]></title><link>https://blog.csdn.net/finly4599/article/details/153201586</link><guid>https://blog.csdn.net/finly4599/article/details/153201586</guid><author>finly4599</author><pubDate>Mon, 13 Oct 2025 17:39:56 +0800</pubDate><description><![CDATA[本文介绍了如何用Python合并两个Excel表格的操作指南。首先需要创建merge_excel文件夹并放入员工基本信息表和绩效表。通过AI对话窗口输入prompt指令：1)编写读取两个表格前5行的Python脚本(read_first5.py)；2)编写合并表格的脚本(merge_q4_2024.py)，在基本信息表基础上追加2024年Q4绩效考核数据。执行后自动生成包含合并结果的新Excel文件。整个过程展示了如何利用AI辅助快速完成Excel数据处理任务。]]></description><category></category></item><item><title><![CDATA[使用ollama在windows（无显卡）部署]]></title><link>https://blog.csdn.net/finly4599/article/details/153182666</link><guid>https://blog.csdn.net/finly4599/article/details/153182666</guid><author>finly4599</author><pubDate>Mon, 13 Oct 2025 14:24:05 +0800</pubDate><description><![CDATA[本文介绍了在无显卡的Windows电脑上5分钟快速部署Ollama大语言模型的极简教程。通过下载官方安装包、启动CPU模式服务后，即可运行DeepSeek等GGUF量化模型（1.5B版仅需0.8GB内存）。文章详细说明了安装步骤、模型管理命令、存储路径修改方法，并提供了CPU性能优化建议和Python调用API示例。实测在4核8G内存的办公笔记本上可流畅运行，适合普通用户快速体验本地AI对话功能。]]></description><category></category></item><item><title><![CDATA[DeepSeek在AutoDL私有化部署]]></title><link>https://blog.csdn.net/finly4599/article/details/153180871</link><guid>https://blog.csdn.net/finly4599/article/details/153180871</guid><author>finly4599</author><pubDate>Mon, 13 Oct 2025 10:06:55 +0800</pubDate><description><![CDATA[摘要 本文介绍了如何在GPU实例上部署和运行DeepSeek-R1-Distill-Qwen-7B大语言模型。首先需租用配备24G显存的NVIDIA 4090 GPU实例，安装PyTorch 2.5.1框架。通过modelscope库下载模型后，使用AutoModelForCausalLM和AutoTokenizer加载模型，并提供了调用示例代码。该示例展示了如何构建对话提示，生成2000个token以内的响应。最后展示了模型对&quot;帮我写一个快排查找法&quot;的详细回答，包括算法原理、实现考虑和]]></description><category></category></item><item><title><![CDATA[阿里云云计算ACP实验-云企业网打通VPC]]></title><link>https://blog.csdn.net/finly4599/article/details/145258918</link><guid>https://blog.csdn.net/finly4599/article/details/145258918</guid><author>finly4599</author><pubDate>Mon, 20 Jan 2025 13:54:28 +0800</pubDate><description><![CDATA[10.启动云企业网实例。]]></description><category></category></item><item><title><![CDATA[阿里云云计算ACP实验-NAT网关公网访问]]></title><link>https://blog.csdn.net/finly4599/article/details/145256049</link><guid>https://blog.csdn.net/finly4599/article/details/145256049</guid><author>finly4599</author><pubDate>Mon, 20 Jan 2025 10:30:39 +0800</pubDate><description><![CDATA[创建资源

手机验证码登录

3.打开ECS

发现所属地域为华东2 上海
4.打开公网NAT页面

公网NAT绑定EIP


创建SNAT条目



5.测试连通性

配置入方向，cid=100.104.0.0/16
ECS远程登录

ping www.aliyun.com
6.解绑EIP
删除



]]></description><category></category></item><item><title><![CDATA[阿里云ACP云计算实验室-专有网络VPC操作]]></title><link>https://blog.csdn.net/finly4599/article/details/145208603</link><guid>https://blog.csdn.net/finly4599/article/details/145208603</guid><author>finly4599</author><pubDate>Fri, 17 Jan 2025 15:59:46 +0800</pubDate><description><![CDATA[在阿里云ACP云计算考证中，需要进行云计算实验，以下是专有网络VPC操作实验步骤：创建资源创建成果界面如下绑定手机号实例页面停止实例专有网络配置VPC添加安全组创建交换机10.更换专有网络。]]></description><category></category></item><item><title><![CDATA[阿里云云计算ACP必备100题(下)]]></title><link>https://blog.csdn.net/finly4599/article/details/145053815</link><guid>https://blog.csdn.net/finly4599/article/details/145053815</guid><author>finly4599</author><pubDate>Fri, 10 Jan 2025 11:24:21 +0800</pubDate><description><![CDATA[阿里云云服务器ECS是一种简单高效、处理能力可弹性伸缩的计算服务，帮助您快速构建更稳定、安全的应用，提升运维效率，降低T成本。ECS属于：laaS(基础设施即服务)
云服务器ECS服务的API服务地址是：ecs.aliyun-api.com
如果您在创建Windowsi操作系统的阿里云的云服务器ECS实例时选择了数据盘，在登泉实例后要完成操作才可以正常使用该数据盘。格式化数据盘
阿里云的云服务器ECS实例的安全组实现了类似虚拟防火墙的功能，用于设置单个或多个云服务器ECS实例的网络访问策略。对于云服务器安]]></description><category></category></item><item><title><![CDATA[阿里云云计算ACP必备100题(上)]]></title><link>https://blog.csdn.net/finly4599/article/details/145053658</link><guid>https://blog.csdn.net/finly4599/article/details/145053658</guid><author>finly4599</author><pubDate>Fri, 10 Jan 2025 11:23:23 +0800</pubDate><description><![CDATA[阿里云的云服务器ECS相对于传统物理服务器的一个重要特征是，可以更为便捷的
进行服务器的配置升级。下列关于云服务器ECS无缝升级的说法错误的是
云服务器ECS不支持新增数据盘
当一个阿里云的云服务器ECS实例无法加入指定的安全组时，可能是原因造成的。
本云服务器ECS实例目前已经加入的安全组数量达到上限
ECS服务器会对每个访问的请求进行身份验证，以下哪一个是用于标识访问者身份
的？Access Key ld
安全组A中存在5台阿里云的云服务器ECS实例，您针对安全组A增加了一个新的规则来允许来自特定P地]]></description><category></category></item><item><title><![CDATA[LLM-Conda搭建开发环境]]></title><link>https://blog.csdn.net/finly4599/article/details/144758482</link><guid>https://blog.csdn.net/finly4599/article/details/144758482</guid><author>finly4599</author><pubDate>Fri, 27 Dec 2024 11:53:26 +0800</pubDate><description><![CDATA[搭建 LLM（大语言模型）开发环境通常涉及几个关键步骤，包括安装必要的软件包、设置 Python 环境、配置所需的库、以及可能的 GPU 加速支持。]]></description><category></category></item><item><title><![CDATA[推荐算法Surprise库安装]]></title><link>https://blog.csdn.net/finly4599/article/details/144208541</link><guid>https://blog.csdn.net/finly4599/article/details/144208541</guid><author>finly4599</author><pubDate>Tue, 03 Dec 2024 11:13:50 +0800</pubDate><description><![CDATA[如果没有错误，并且打印出了版本号，说明安装成功。如果你遇到任何问题，随时告诉我，我可以帮你解决！安装完成后，你可以通过以下代码检查。，所以需要使用这个名称进行安装。你可以通过以下步骤安装。，讨论区回复获取提取码。讨论区回复获取提取码。]]></description><category></category></item><item><title><![CDATA[AI-TensorRT（一）]]></title><link>https://blog.csdn.net/finly4599/article/details/143100610</link><guid>https://blog.csdn.net/finly4599/article/details/143100610</guid><author>finly4599</author><pubDate>Sun, 20 Oct 2024 22:44:14 +0800</pubDate><description><![CDATA[CUDA做并行化处理，大部分人工智能底层都是基于CUDA，Tensor英伟达推出的加速推理器。TensorRT的核心在于对于模型算子的优化（合并算子、利用GPU特性选择特定核函数等多种策略），通过tensorRT蒙古在Nvidia系列GPU上获得最好的性能因此tensorRT的模型，需要在目标GPU上世纪运行的方式选择最优算法和配置tensorRT生成的模型只能在特定条件下运行（编译的trt版本、cuda版本、编译时的GPU型号）]]></description><category></category></item><item><title><![CDATA[CV-标注工具]]></title><link>https://blog.csdn.net/finly4599/article/details/142768434</link><guid>https://blog.csdn.net/finly4599/article/details/142768434</guid><author>finly4599</author><pubDate>Tue, 08 Oct 2024 20:22:19 +0800</pubDate><description><![CDATA[在计算机视觉和深度学习项目中，标注工具用于为数据集中的图像或视频进行人工标注。不同的任务，如物体检测、图像分割、关键点检测等，可能需要不同类型的标注工具。]]></description><category></category></item><item><title><![CDATA[CV-目标检测数据集]]></title><link>https://blog.csdn.net/finly4599/article/details/142768362</link><guid>https://blog.csdn.net/finly4599/article/details/142768362</guid><author>finly4599</author><pubDate>Tue, 08 Oct 2024 20:21:09 +0800</pubDate><description><![CDATA[它由微软发布，旨在推动图像理解领域的研究，相较于PASCAL VOC，MSCOCO提供了更多的图像、更多的类别以及更详细的注释。数据集中的每张图像都有明确的标签，这些标签是由人工标注的，确保了数据集的高质量。：PASCAL VOC数据集包含了多种物体类别，常见的有20类，包括人、动物（如猫、狗、马）、交通工具（如自行车、汽车、飞机）、日常物体（如椅子、杯子、桌子）等。MSCOCO包含了80个物体类别，包括日常生活中的物品（如人类、家具、交通工具、动物等），而且类别更加多样化和丰富，适用于复杂的视觉场景。]]></description><category></category></item><item><title><![CDATA[CV-项目：CRNN+CTC识别英文数字]]></title><link>https://blog.csdn.net/finly4599/article/details/142734362</link><guid>https://blog.csdn.net/finly4599/article/details/142734362</guid><author>finly4599</author><pubDate>Mon, 07 Oct 2024 01:45:58 +0800</pubDate><description><![CDATA[word-recognition， 数据集命名为1_1.png。pretrained-model参数，保存格式为。]]></description><category></category></item><item><title><![CDATA[CV-项目：基于PaddleOCR识别车票]]></title><link>https://blog.csdn.net/finly4599/article/details/142717146</link><guid>https://blog.csdn.net/finly4599/article/details/142717146</guid><author>finly4599</author><pubDate>Sat, 05 Oct 2024 18:15:51 +0800</pubDate><description><![CDATA[取对应的json对象。]]></description><category></category></item><item><title><![CDATA[CV-OpenCV人脸检测]]></title><link>https://blog.csdn.net/finly4599/article/details/142690640</link><guid>https://blog.csdn.net/finly4599/article/details/142690640</guid><author>finly4599</author><pubDate>Thu, 03 Oct 2024 12:35:54 +0800</pubDate><description><![CDATA[这段代码首先安装了 opencv-python 库，然后导入了 cv2 模块。接下来，它加载了预训练的人脸检测模型，并加载了名为 faces2.png 的图像，并将其转换为灰度图像。然后，它使用 detectMultiScale 方法检测图像中的人脸，并使用 rectangle 方法在检测到的人脸周围绘制矩形框。最后，它使用 imshow 方法显示图像，并使用 waitKey 方法等待用户按下按键。请将 ‘faces2.png’ 替换为您要检测人脸的图像文件的名称。]]></description><category></category></item><item><title><![CDATA[大模型-推荐系统架构]]></title><link>https://blog.csdn.net/finly4599/article/details/142665398</link><guid>https://blog.csdn.net/finly4599/article/details/142665398</guid><author>finly4599</author><pubDate>Mon, 30 Sep 2024 23:40:02 +0800</pubDate><description><![CDATA[A/B测试，新旧模型通过线上数据比例进行测试，比如新模型流量20%，旧模型流量80%，看运营数据结果。图像体系和算法引擎部分属于纯算法工程师或者NLP工作。数据采集和数据整理偏大数据，放置到关系型数据库中。大数据团队提供数据。涉及到数据埋点、采集。比如：分品类的猜你喜欢。实时模型训练，和用户数据收集调整模型。算法引擎和推荐接口为推荐工程师工作。召回、粗排、精排、重排。]]></description><category></category></item></channel></rss>