- 博客(567)
- 资源 (16)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 deepseek实战教程-第二十六篇：知识库与知识图谱的关系与区别
知识库与知识图谱对比分析：知识库是广义知识存储系统，可包含文档、数据库等多种形式；知识图谱则是基于图结构的特定知识库，通过节点和边显式表示实体间关系。主要区别在于：知识图谱具有高度结构化、关系显式存储、支持图查询和多跳推理等特点。实际应用中，文档管理等简单场景适合传统知识库，而复杂关联分析等需求更适合知识图谱。现代系统常采用混合架构，二者优势互补。选择时需考虑知识关联性、查询复杂度等因素，可先建知识库再逐步构建知识图谱。
2026-03-20 09:21:45
306
原创 deepseek实战教程-第二十五篇：知识图谱、向量数据库embdding与大模型的关系
本文探讨了大模型、知识图谱与向量数据库的互补关系及应用场景。大模型擅长自然语言处理，知识图谱提供结构化知识，二者协同可减少"幻觉"、增强推理能力；向量数据库则专注于语义搜索。三者在现代AI系统中形成互补架构：向量数据库快速检索，知识图谱深度推理，大模型整合输出。实际应用中，建议根据需求选择工具：语义搜索用向量数据库，复杂推理用知识图谱，最佳实践是三者协同使用。典型应用包括智能客服、医疗诊断和企业知识管理等场景。
2026-03-20 09:18:29
108
原创 deepseek实战教程-第二十四篇：deepseek怎么做推广优化
立即行动：用AIBase工具搜索“deepseek实战教程”，记录当前是否被推荐。内容升级：选择专栏里的一篇核心文章（如“部署自己的deepseek模型”），为其增加一个详细的步骤清单（用列表）、一个硬件参数对比表格，并在文末增加5个相关的FAQ。技术加持：如果你是CSDN博客专家或VIP，尝试利用博客后台的“自定义博客皮肤”或扩展功能，看是否能嵌入自定义HTML或JS，如果能，尝试加入FAQPage的JSON-LD结构化数据脚本。效果复盘。
2026-03-18 14:16:58
439
原创 deepseek实战教程-第二十三篇：TensorFlow 从入门到实战：给完全小白的深度学习第一课
对人工智能、深度学习感兴趣，但完全没碰过代码听说过 TensorFlow，但不知道它是什么、能做什么想亲手做出一个能识别手写数字或图片分类的小程序被各种专业术语劝退过那么，这篇文章就是为你准备的。我会用讲故事的方式，从零开始，带你走进 TensorFlow 的世界。读完这篇文章，你会亲手写出一个能识别手写数字的程序。全程不用任何数学公式，只有比喻和例子。还记得开头那个小明教电脑认数字的故事吗？现在你已经亲手“教会”了一个程序认数字。
2026-03-16 11:28:16
138
原创 deepseek实战教程-第二十二篇：PyTorch 从入门到实战：给完全小白的深度学习第一课
对人工智能、深度学习感兴趣，但完全没碰过代码听说过 PyTorch、TensorFlow，但不知道它们是干嘛的想亲手做出一个人脸识别或手写数字识别的小程序被各种教程里的专业术语劝退过那么，这篇文章就是为你准备的。我会用讲故事的方式，从零开始，带你走进 PyTorch 的世界。读完这篇文章，你会亲手写出一个能识别手写数字的程序。全程不用任何数学公式，只有比喻和例子。# 定义三层处理管道。
2026-03-16 11:25:05
220
原创 deepseek实战教程-第二十一篇：vLLM 从入门到实战：让你的大模型推理快如闪电
vLLM：高效部署大语言模型的开源推理引擎 vLLM是加州大学伯克利分校开发的高性能推理框架，通过创新的PagedAttention技术显著提升大语言模型的服务效率。其核心原理借鉴操作系统内存管理，将KV缓存分块存储并动态分配，使显存利用率接近100%，吞吐量相比传统方案提升8-24倍。本文提供从原理到实践的完整指南： 解析PagedAttention如何解决显存碎片问题 详细安装步骤与硬件要求 离线推理和API服务部署教程 性能优化技巧与常见问题处理 实际案例演示DeepSeek模型部署 vLLM支持Op
2026-03-16 11:08:55
319
原创 deepseek实战教程-第二十篇：Deepseek高级实战：训练自己的模型demo
通过DeepSeek-V3训练自己的小模型，本质上是一次高效的知识迁移。你可以用相对低廉的成本，获得一个在特定领域性能逼近大模型，但推理速度更快、部署成本更低的专属模型。如果预算有限，追求快速验证：强烈推荐使用Colossal-AI框架 + LoRA微调的组合。它的社区活跃，文档齐全，能帮你把门槛降到最低。如果你拥有企业级资源和平台：可以考虑阿里云PAI-ModelGallery这类一站式平台，它能提供从数据处理、模型训练到部署监控的全链路服务，开发体验更流畅。
2026-03-12 18:52:07
25
原创 deepseek实战教程-第十九篇：DeepSeek原理篇：DeepSeek的强化学习能力
我们来深入探讨DeepSeek的强化学习能力。如果说思维链（CoT）是模型展现出的“推理技巧”，那么强化学习（RL）就是训练模型掌握这套“内功心法”的核心过程。DeepSeek在这一领域的创新，可以说是重新定义了大语言模型推理能力的训练范式。下面，我将从核心设计、训练策略、技术实现到实际效果，为你详细拆解。
2026-03-12 18:37:07
30
原创 deepseek实战教程-第十八篇：DeepSeek原理篇：DeepSeek的思维链（Chain of Thought，简称CoT)详解
思维链简单来说，就是让模型在给出最终答案之前，先展示一步步的推理过程。就像我们在解决复杂问题时，会在草稿纸上逐步推导一样。
2026-03-12 18:35:23
24
原创 deepseek实战教程-第十七篇：DeepSeek原理篇1：MLA注意力机制到底好在哪？
MLA就是给注意力机制装了一个“智能压缩器”——把需要缓存的海量信息浓缩成一个小本本，需要用的时候再快速还原，既省内存又保精度。如果你做云端服务：同样成本下可以支持更长上下文如果你做边缘部署：原来跑不动的模型现在可以跑了如果你有存量模型：可以用MHA2MLA方法低成本改造下一篇预告：《DeepSeek原理篇2：MoE混合专家是怎么做到“671B参数只激活37B”的？如果你对MLA还有什么疑问，或者想让我在后续文章里重点讲哪个部分，欢迎评论区留言。下期见。
2026-03-11 18:00:12
33
原创 deepseek实战教程-第十六篇：DeepSeek推理实用技巧指南：从入门到精通的提示工程
选对模型：复杂推理用R1，快速对话用V3简洁优先：对R1避免强制思维链，直接问最终答案+简要理由结构化输出：需要特定格式时，明确约束和schema参数匹配场景：事实问答低temperature，创意写作高temperature迭代提问：复杂任务分多轮推进证据约束：减少幻觉的有效手段验证步骤：数学、逻辑任务强制检查上下文管理：长对话需压缩或截断处理推理内容：多轮对话中传递上一轮的调试思维：出现问题时，使用明确的修正指令。
2026-03-11 17:51:35
61
原创 deepseek实战教程-第十五篇：DeepSeek大模型技术原理详解
DeepSeek系列大语言模型通过架构创新与训练方法论的突破，在保持较低训练成本的同时实现了国际顶尖水平的性能。本文系统阐述DeepSeek的核心技术原理，包括多头潜在注意力（MLA）与混合专家（MoE）架构的效率优化机制、群组相对策略优化（GRPO）的强化学习范式、以及“两步四阶段”的训练流程设计。特别地，本文深入解析DeepSeek如何通过纯强化学习激发模型的推理能力，并利用稀疏注意力机制支撑长程思维链生成，为从事大模型研发的专业人士提供全面的技术参考。关键词：DeepSeek；大语言模型；
2026-03-11 17:45:51
146
原创 deepseek实战教程-第十四篇：deepseek怎么做出来的，有什么启发
所以，如果你想做一个自己的大模型，完全可以从开源数据+开源基座模型开始，然后在上面做微调和应用创新。DeepSeek能做到的，你用同样的方法，也许能在垂直领域做出更好的效果。（主要是预训练阶段）。如果想更省，可以只做微调，直接用开源基座模型（如LLaMA、Qwen），成本几乎为零。DeepSeek内部就用这种方法，把R1的知识蒸馏到7B的小模型上，性能和很多百亿参数模型相当。这个数字听起来吓人，但用分布式的爬虫集群是可以实现的。DeepSeek做的，就是把这套流程优化到极致——用更少的钱，做出顶尖的效果。
2026-03-11 17:38:08
183
原创 植物杆枝分类识别系统 - 完整Demo
当前Demo使用随机模拟，仅用于流程演示。如果在运行中遇到任何问题，请将错误信息告诉我，我会协助你排查。训练示例（PyTorch + 预训练ResNet）可参考：。
2026-03-10 10:56:51
25
原创 基于本地化部署的deepseek大模型，编程使用springboot+vue3+yolo11实现一个在BS模式的植物叶片分类识别系统。demo演示
当你成功跑通这个Demo，看到来自本地DeepSeek生成的“植物笔记”时，那种成就感一定很棒。如果在任何一个环节遇到问题，比如端口冲突、依赖安装失败，随时把错误信息发给我，我们一起看看怎么解决。这个Demo清晰地展示了数据是如何在Vue3、SpringBoot和Python AI中台之间流动的，以及“视觉识别”和“大语言模型”是如何分工协作的。这个页面包含上传组件，并展示从后端返回的识别结果和DeepSeek的趣味解读。，这是AI中台的入口。这是最核心的部分，负责“看”图和“想”问题。
2026-03-10 10:46:34
25
原创 stable-diffusion之lora
每个大模型直接使用的时候，生成的内容风格基本是一致的。例如stable-diffusion官网v1.5模型，生成的图片如果是人像的话，可能会有很严重的畸形大模型的基础上，做风格。这个图片是使用模型Counterfeit-V3.0.safetensors [db6cd0a62d]+lora:childhood memory flux-lora生成的。畸形问题需要用到大模型的LORa来解决。加上只能修改风格，但无法做到生成图像的畸形问题。如果不加的话是和原模型风格一致的。
2026-03-03 17:17:31
38
原创 Spring AI +easyui,模拟实现 comfyui大模型工作流，最小功能实现demo
*** ComfyUI 节点基类（最小功能）*/@Data/** 节点ID（唯一） *//** 节点类型（prompt/llm/in_output） *//** 节点名称 *//** 节点位置（画布坐标） *//** 节点参数 *//** 输入连接（key：输入端口，value：源节点ID+输出端口） *//** 输出连接（key：输出端口，value：目标节点ID+输入端口） */
2026-03-03 00:26:55
183
原创 Spring AI 实现类 Dify 风格的大模型工作流 Demo
*** 流程上下文：存储节点参数、输出结果，实现节点间参数流转*/@Data/** 全局参数 *//** 节点输出结果（key：节点ID，value：输出内容） *//*** 设置节点输出*//*** 获取节点输出*//*** 设置全局参数*//*** 获取全局参数*//*** 流程定义：类 Dify 的流程配置*/@Data/** 流程ID *//** 流程名称 *//** 起始节点ID */
2026-03-03 00:22:06
47
原创 jenkins集群slave和master的jdk版本到底是不是必须一致
您之前的理解没有错，这个编译动作确实可以用更低版本的 Java（比如 Java 8）来完成。但现在的问题是Agent 进程本身在加载 Master 传来的类时就已经失败了，根本没到执行mvn那一步。因此，当前的解决方案是：必须将您 Slave 镜像中的 Agent 运行环境（即这个命令所使用的 Java）升级到 Java 21。
2026-02-26 16:28:10
36
原创 deepseek实战教程-第十三篇：ubuntu20系统乱码之零宽字符问题
结论：使用deepseek等大模型生成代码的时候，如果遇到不明乱码问题，需要使用 vim 的:set list来查看确认是否存在零宽字符造成的乱码问题。这个问题是零宽字符，由于是deepseek生成的代码，所以可能是deepseek下的编码和我系统编码有差异造成的。似乎存在几个乱码字符。但是使用notepad++查看，没有问题，直接从网上复制路径，也还是有错误。注意：直接从编辑工具中删除看不到该字符，删除也无用。vim :set list下才能操作。会看到里面有几个错误的字符，删除即可。
2026-02-24 11:24:09
131
原创 deepseek实战教程-第十二篇：基于Spring Boot 2.6.13集成DeepSeek API实现智能对话的示例项目
本文介绍一个基于Spring Boot 2.6.13集成DeepSeek API实现智能对话的示例项目。这个项目将包含完整的API调用和对话功能。
2026-02-23 10:25:44
110
原创 香橙派控制轮毂电机用于智能跟随小车/机器人可行性分析报告
本报告针对香橙派（Orange Pi）系列开发板作为主控制器，应用于轮毂电机驱动的智能跟随小车/机器人项目进行全面的可行性分析。通过与树莓派的对比分析，评估香橙派在性能、接口、成本、生态等方面的优劣势。核心结论：香橙派是树莓派的高性价比替代方案，尤其适合对成本敏感且需要更强算力的项目。与树莓派类似，香橙派也不适合直接进行底层电机实时控制，推荐采用**香橙派（上层决策）+ 微控制器协处理器（底层控制）**的异构架构。香橙派在接口丰富度和算力上优于同价位树莓派，但软件生态和社区支持相对薄弱。项目描述目标应用。
2026-02-21 21:46:24
123
原创 树莓派控制轮毂电机用于智能跟随小车/机器人可行性分析报告
本报告评估了树莓派作为主控制器在轮毂电机驱动的智能跟随机器人项目中的可行性。分析表明，树莓派适合上层感知与决策任务，但不适合直接电机控制，推荐采用"树莓派+微控制器"的异构架构。树莓派4B/5的计算性能优异，但存在实时性不足、接口限制等问题。报告详细比较了硬件兼容性、功耗、通信方案等技术指标，提出了分层安全机制和异步处理等解决方案，并给出了成本估算和技术路线建议。最终结论认为该异构架构能充分发挥各自优势，是实现智能跟随机器人的理想选择，同时提供了针对不同应用场景的具体配置建议。
2026-02-21 21:40:16
221
原创 Kubernetes HPA（Horizontal Pod Autoscaler）详解
保证基本可用性：至少2个副本确保服务不中断弹性伸缩：负载高时自动扩容到最多5个副本资源优化：负载低时自动缩容，节省资源自动化运维：无需人工干预Pod数量调整建议降低缩容冷却时间（从300秒降到180秒）设置更激进的扩容策略（如一次增加2个Pod）考虑基于队列长度而非纯CPU/内存来伸缩。
2026-02-09 16:39:30
108
原创 k8s部署devops最佳实践-jenkins集群agent节点
如果你的构建需要特定的工具链（如特定版本的Maven、Golang、Node.js等），或需要预装大量依赖，可以基于官方镜像定制。编写Dockerfile：以官方镜像为基础，安装你所需的工具。# 示例：创建一个包含Maven和Docker客户端的Slave镜像# 切换到root用户安装软件（注意：根据基础镜像用户调整）USER root# 安装Maven、Docker客户端等工具# 切换回jenkins用户（保证安全）构建并推送镜像：将构建好的镜像推送到你的私有镜像仓库（如Harbor）。
2026-02-03 17:15:24
194
原创 deepseek实战教程-第十一篇：如何实现RAG私有知识库
网页版DeepSeek”即官方聊天界面，它。不过，你可以通过其他方式实现RAG的核心目标。
2026-01-26 07:30:28
84
原创 Stable Diffusion & ComfyUI 共享 v1-5-pruned-emaonly.safetensors：减少重复存储实操指南
核心操作：删除其中一个目录的重复模型文件，创建硬链接/软链接指向另一个目录的原文件；效果：仅保留一份 （4GB），直接节省4GB硬盘空间；兼容性：SD 和 ComfyUI 均无感知，使用体验和原方式一致。按此步骤操作后，你可以复用所有 SD 和 ComfyUI 的通用模型文件，大幅减少重复存储占用。
2026-01-25 19:49:41
526
原创 Kubernetes Ingress + TLS 故障排查全流程
注：本文虽然为大模型生成和整理，但是却具有极大的实践指导意义，请对大模型生成的文章质量多些信任，本作者通过多次根据指导实践，完成了问题查证，最终实现了预期效果。
2026-01-25 18:49:20
678
原创 k8s最佳实践之ingress控制器和ingress资源对应关系
文章应该以质量作为阅读与否的标准，而非是否大模型生成。本文虽然是大模型生成，个人觉着有诸多实用价值，故分享之。欢迎讨论各自的想法
2026-01-21 12:30:23
86
原创 k8s最佳实践之service端口号
问题答案多个 Service 能否都用 port: 80？✅ 可以，且推荐会不会端口冲突？❌ 不会，因为 ClusterIP 不同NodePort 呢？⚠️ nodePort 必须唯一，但 port 仍可相同Pod 容器端口呢？✅ 每个 Pod 独立网络，端口互不影响所以，大胆地让你的 GitLab、Jenkins、Nginx 等服务都使用 port: 80 吧！这是 K8s 的标准用法。
2026-01-19 18:38:50
232
原创 k8s最佳实践之gitlab是否需要配置rabc?
在 Kubernetes（K8s）中部署 GitLab 时，GitLab 自身已经内置了完整的用户认证与授权系统（即 RBAC-like 的角色权限模型），因此通常 不需要也不建议 使用 Kubernetes 原生的 RBAC（Role-Based Access Control）来管理 GitLab 应用内部的用户角色和权限。我们看到很多的做法是不配置，为什么是这样的？Kubernetes RBAC 是用来管理“谁可以操作集群”，而 GitLab 的权限系统是用来管理“谁可以操作代码和项目”。
2026-01-19 17:13:33
165
原创 k8s的ingress里面一个非常容易被忽略的知识点
当我们创建完service之后，如果想通过ingress作为外部对外访问的统一入口，这个时候我们往往会在yaml的service之后写一个kind:ingress 的对象来作为对外的服务对象。但是当这样做之后，会发现下面的问题ADDRESS找不到service的集群ip地址！！我多次尝试之后，找到了很多替代方案，例如创建 裸金属机的负载均衡来替代ingress的负载均衡，或者使用service的pod直接对外暴漏端口，或者使用springcloud等框架自带的gateway中带的负载均衡进行管理。
2026-01-18 18:34:33
67
原创 fwupd 是什么
**潜在问题**：在虚拟机（VM）环境中，这些硬件通常是虚拟化的，因此固件更新的需求**几乎为零**。`fwupd` 本身不提供固件，它连接到一个名为 **LVFS** 的“固件应用商店”。- **主要用途**：`fwupd` 的核心价值是保持服务器底层硬件（如BIOS、硬盘固件）的稳定性和安全性。总而言之，`fwupd` 是物理硬件维护的实用工具，但在您的虚拟化场景下并非必需，禁用出错的服务是合理的选择。| **外设与扩展** | 戴尔扩展坞、数位板 (Wacom)、游戏控制器 (8BitDo) |
2026-01-15 19:35:00
254
原创 记一次seo的过程
为了让您的“大模型工具箱”静态网站能被百度收录并提高排名，您需要在和两方面同时着手。纯静态网站没有动态内容优势，因此对性能和语义化的要求更高。下表汇总了实现这一目标的核心措施，涵盖了从服务器基础配置到内容创建的全过程：优化方向关键措施主要目标/影响确保HTTPS并统一域名安全性、排名信号、避免权重分散启用Gzip压缩提升加载速度配置静态资源缓存大幅提升页面加载速度与核心体验指标使用 处理路由确保单页应用(SPA)可被抓取优化页面标题和描述提高搜索结果点击率。
2026-01-15 09:21:40
62
原创 集群内 Ingress 控制器集群外访问的方式有几种
对于生产环境，使用 MetalLB 为 Ingress 控制器提供 LoadBalancer 服务是最佳实践。它提供了标准的 Kubernetes 服务模型、高可用性和可维护性。请务必根据你的实际网络环境，正确配置 MetalLB 的 IP 地址池。如果网络环境复杂（例如有多个子网或需要跨网段访问），建议与网络管理员协作，选择 BGP 模式或规划好二层可达的 IP 段。如果在配置过程中遇到具体问题，可以随时提供详细信息以便进一步排查。
2026-01-14 16:28:58
65
原创 k8s最佳实践之role和clusterrole
作用域 Role ：Role 具有命名空间作用域，即它只能用于授予对单个命名空间内资源的访问权限。当你需要为某个特定命名空间内的资源定义权限时，应该使用 Role。： 具有集群作用域，它可以用于授予跨命名空间的资源访问权限，或者用于授予对集群级资源（如节点）的访问权限。当你需要定义可以在整个集群中使用的权限时，应该使用 。资源类型适用范围 Role ：主要用于命名空间级别的资源管理，如特定命名空间下的 Pod、Service、Deployment 等。
2026-01-12 15:10:05
93
原创 k8s下部署jenkins最佳实践之时间同步
宿主机是ubuntu20.0.x系统的，jenkins在 2.426.x 开始基本全部 都切换成了基础镜像所以可以使用宿主机系统的时区文件作为镜像容器的时区文件。即使用同一份。为了保证jenkins容器内的时间和k8s宿主机的时间一致（不会产生时间混乱的问题），需要保证容器内的系统时区文件使用宿主机的时区文件。
2026-01-11 20:42:01
347
基于树莓派的Java版麦克纳姆轮智能控制学习平台.ppt
2021-03-06
c语言编写的二叉树深度优先遍历算法
2024-08-23
数据结构-二叉树的广度优先遍历
2024-08-23
软件工程-项目管理-可行性分析报告模板文档
2024-08-23
自动售货机的数据库设计文档
2024-08-23
freeswitch1.10.10编译包
2024-04-26
centos7arm64重装yum所需要的rpm包
2020-12-01
pi4j-core-1.2.jar
2020-01-15
maven-shade-plugin-3.1.0.jar
2018-11-10
kubernetes-release-1.18.zip-树莓派-centos7可用编译源码包
2020-08-07
软件工程-软件部署手册模板
2020-12-09
elasticsearch-7.5.2-x86_64.rpm
2020-02-17
vista/2008/win7 启动菜单自动修复工具
2012-08-22
ZD Soft Screen Recorder_8.0.exe
2020-02-20
TA创建的收藏夹 TA关注的收藏夹
TA关注的人