<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_44119512的博客]]></title><description><![CDATA[https://blog.csdn.net/weixin_44119512/article/details/125173454]]></description><link>https://blog.csdn.net/weixin_44119512</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weixin_44119512]]></copyright><item><title><![CDATA[vLLM + DeepSeek-OCR：从部署到坐标归一化全攻略]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/155032785</link><guid>https://blog.csdn.net/weixin_44119512/article/details/155032785</guid><author>weixin_44119512</author><pubDate>Thu, 20 Nov 2025 10:38:10 +0800</pubDate><description><![CDATA[在使用 DeepSeek-OCR 进行图像文字检测时，模型返回的坐标格式如下，由于我用的是vLLM推理，并且看到了。，这样norm会更方便他们visual grounding。直接使用这些坐标裁剪原图时，发现位置不对。注意：DeepSeek-OCR 需要 vLLM。才能正常工作，0.8.5 等稳定版本不支持。其实官方在自己的代码中有写。]]></description><category></category></item><item><title><![CDATA[社区版Dify Sandbox 沙箱有资源使用限制，代码节点上并不支持threading多线程]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/147457613</link><guid>https://blog.csdn.net/weixin_44119512/article/details/147457613</guid><author>weixin_44119512</author><pubDate>Wed, 23 Apr 2025 16:53:38 +0800</pubDate><description><![CDATA[我在sandbox 执行一个多线程代码时，一直在转圈，没有出结果，注意我的执行最大时间是800秒，不可能时间不够的问题。因为就目前而言，我的两个版本dify v0.14.0, v1.1.3都没有办法通过直接修改env 来实现让代码节点支持多线程。执行结果是一直，在执行而无结果，我猜大概是不支持开辟资源实现多线程的操作，在其他设置上限制了Dify sandbox。说不支持消耗很大的系统资源的代码在sandbox 上执行。，甚至在env 里 限制了代码执行的时间，和List的一系列长度要求，详细可以看。]]></description><category></category></item><item><title><![CDATA[社区版Dify 基于vLLM部署Qwen2.5-VL系列视觉大模型与推理加速策略]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/147073583</link><guid>https://blog.csdn.net/weixin_44119512/article/details/147073583</guid><author>weixin_44119512</author><pubDate>Thu, 10 Apr 2025 17:45:05 +0800</pubDate><description><![CDATA[Dify+vLLM+Qwen2.5-VL快速推理，实现Image/video Caption，视觉大模型聊天。]]></description><category></category></item><item><title><![CDATA[社区版Dify 调用不了局域网(172.18.0.0网段)内API，ping不到局域网(172.18.0.0网段)]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/146600135</link><guid>https://blog.csdn.net/weixin_44119512/article/details/146600135</guid><author>weixin_44119512</author><pubDate>Fri, 28 Mar 2025 14:37:53 +0800</pubDate><description><![CDATA[直接说原因：社区版 Dify Docker 默认使用。]]></description><category></category></item><item><title><![CDATA[Jetson Nano 三个版本(B01 4GB、Orin 4GB、Orin 8GB)本地部署Deepseek等大模型的测评]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/146375201</link><guid>https://blog.csdn.net/weixin_44119512/article/details/146375201</guid><author>weixin_44119512</author><pubDate>Wed, 19 Mar 2025 23:44:36 +0800</pubDate><description><![CDATA[Jetson Nano 是Soc，小白请注意Jetson Nano 的 GPU 并不是独立的，（可不是那种4090迷你版），而是与 CPU 共享同一块内存（即 统一内存架构，Unified Memory Architecture, UMA）。这种设计在嵌入式设备和移动设备中非常常见，目的是为了节省空间、降低功耗和成本。]]></description><category></category></item><item><title><![CDATA[社区版Dify + Ollama + DeepSeek-R1（14b）实现私有化LLM推理]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/145341059</link><guid>https://blog.csdn.net/weixin_44119512/article/details/145341059</guid><author>weixin_44119512</author><pubDate>Fri, 24 Jan 2025 17:28:42 +0800</pubDate><description><![CDATA[大模型本身就具备推理能力，为什么还需要推理模型，深度思考？简单地说 ，就是推理能力相对较低，只能处理相对简单的问题，而不会深入思考更加复杂的问题，所以 OpenAI 发布了o1 ，可以做各种考试的题目。但是 o1 并不开源 ，价格看起来遥不可及。值此，一个国内不怎么出名的公司，Deepseek ，发布了V3，用一种低成本实现的高水准的LLM。（557万美元训练出671B的模型）开源免费可商用噢，随后不久就发布了一个初代的推理模型：DeepSeek-R1 和DeepSeek-R1-Zero。]]></description><category></category></item><item><title><![CDATA[社区版Dify实现文生视频 LLM+ComfyUI+混元视频]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/145206862</link><guid>https://blog.csdn.net/weixin_44119512/article/details/145206862</guid><author>weixin_44119512</author><pubDate>Sat, 18 Jan 2025 21:32:32 +0800</pubDate><description><![CDATA[这个图就是我的Dify实现LLM+ComfyUI+混元视频的整个方案和思路，下面详细说说为什么可以这样做：（这部分可以结合我之前写的文章一起看，我会给出超链接）其实文生视频的开源模型其实有很多，比如：Sora，Dynamicrafter，VideoCrafter,混元视频，CogVideo等等模型。
这些模型大部分都是支持ComfyUI，这里自己去找一找就好。本方法用的是混元视频的ComfyUI这部分还不懂的强烈推荐看一下我前面写的社区版DifyLLM+ComfyUI+代码执行的方]]></description><category></category></item><item><title><![CDATA[社区版Dify sandbox【Python代码执行】Run failed: error: timeout，if the sandbox service]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/145211327</link><guid>https://blog.csdn.net/weixin_44119512/article/details/145211327</guid><author>weixin_44119512</author><pubDate>Fri, 17 Jan 2025 22:40:59 +0800</pubDate><description><![CDATA[【代码】社区版Difysandbox【Python代码执行】Runfailed:error:timeout。]]></description><category></category></item><item><title><![CDATA[社区版Dify 利用【Python代码节点】实现本地 ComfyUI (包括Flux) 文生图]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/144796180</link><guid>https://blog.csdn.net/weixin_44119512/article/details/144796180</guid><author>weixin_44119512</author><pubDate>Sun, 29 Dec 2024 01:04:37 +0800</pubDate><description><![CDATA[咳咳，以上的模型就是Flux，我的Flux 长这样：Flux怎么安装？下次再更新了，我在上面说了，这个方法可以实现任意ComfyUI的工作流，Flux 也只是个工作流而已！以下内容属于个性输出，无需参考，本人每次体验文生图模型，第一句prompt都是“月黑风高的夜晚，一只孤狼在仰天长啸” 以下是Flux的杰作：欢迎关注我的社区版 Dify 开发专栏。]]></description><category></category></item><item><title><![CDATA[社区版Dify+Ollama+llama3.2-vision 实现多模态聊天]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/144770884</link><guid>https://blog.csdn.net/weixin_44119512/article/details/144770884</guid><author>weixin_44119512</author><pubDate>Fri, 27 Dec 2024 16:16:36 +0800</pubDate><description><![CDATA[为什么呢？因为目前来说 ，算是比较好的！装好Ollama之后，（如果没装看这里） 去Ollama 仓库看一下，然后 按照指示pull 下来这样就是11b 参数的 llama3.2 Visionx按照这里的方法，可以轻松导入到Dify。]]></description><category></category></item><item><title><![CDATA[社区版Dify 轻松实现文生图，Dify+LLM+ComfyUI]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/144737964</link><guid>https://blog.csdn.net/weixin_44119512/article/details/144737964</guid><author>weixin_44119512</author><pubDate>Thu, 26 Dec 2024 17:20:55 +0800</pubDate><description><![CDATA[然后输入你的网络地址，就可以本地 127.0.0.1 或者 localhost 调用了，但是，现在是要给到Dify 去调用，ComfyUI 要把网给出去，设置一下0.0.0.0就行。，里面存放的就是你的各种模型文件，新手先熟悉，checkpoints, loras  ，很简单，直接下载文件 丢到里面存就行。，这是一个ComfyUI 工作流中的节点调用，如果你需要安装新的节点（实现更加高阶的功能），是在这个文件夹里面存储的。上面的LLM给你提供了很大的创造的可能，可以自行搭建有趣的应用！]]></description><category></category></item><item><title><![CDATA[社区版Dify 发布应用后出现了 Nginx 404 错误，可能是你改了端口]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/144711501</link><guid>https://blog.csdn.net/weixin_44119512/article/details/144711501</guid><author>weixin_44119512</author><pubDate>Wed, 25 Dec 2024 10:43:34 +0800</pubDate><description><![CDATA[Dify 发布应用出现了404 错误]]></description><category></category></item><item><title><![CDATA[社区版Dify安装时会遇到的网络问题，已成功安装]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/144669646</link><guid>https://blog.csdn.net/weixin_44119512/article/details/144669646</guid><author>weixin_44119512</author><pubDate>Mon, 23 Dec 2024 16:16:35 +0800</pubDate><description><![CDATA[看到这篇的都是想探索下大模型，Agent，本地搭建会怎么样。这是社区版本的安装指南，不是API版本安装。]]></description><category></category></item><item><title><![CDATA[Python内置函数iter()、next()、关键字yield与生成器 generator]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/125760574</link><guid>https://blog.csdn.net/weixin_44119512/article/details/125760574</guid><author>weixin_44119512</author><pubDate>Wed, 13 Jul 2022 17:24:19 +0800</pubDate><description><![CDATA[Python内置函数iter()、next()、关键字yield与生成器 generator的区别和使用说明。]]></description><category></category></item><item><title><![CDATA[白话理解熵、信息量、信息熵、决策树思想]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/125702310</link><guid>https://blog.csdn.net/weixin_44119512/article/details/125702310</guid><author>weixin_44119512</author><pubDate>Mon, 11 Jul 2022 14:59:06 +0800</pubDate><description><![CDATA[机器学习中的决策树，来自于对未知问题的把握程度思想，本文从熵，信息量，信息熵，到（ID3）决策树思想做了白话式描述。]]></description><category></category></item><item><title><![CDATA[从点与直线的距离到支持向量机（SVM）原理 附python demo（2）]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/125339347</link><guid>https://blog.csdn.net/weixin_44119512/article/details/125339347</guid><author>weixin_44119512</author><pubDate>Wed, 22 Jun 2022 21:21:44 +0800</pubDate><description><![CDATA[拉格朗日对偶算法推导，以及SVM算法的对偶问题推导，以及KKT条件与强对偶关系的详细说明.]]></description><category></category></item><item><title><![CDATA[从点与直线的距离到支持向量机（SVM）原理 附python demo（1）]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/125317168</link><guid>https://blog.csdn.net/weixin_44119512/article/details/125317168</guid><author>weixin_44119512</author><pubDate>Thu, 16 Jun 2022 20:08:16 +0800</pubDate><description><![CDATA[支持向量机 （suppot vector machine , SVM） 算法是常用的经典的分类机器学习算法。本文将详细地，由浅入深地介绍一下支持向量机的原理和推导，以及SVM 核函数解决问题的思想，以及 SMO 算法的python实现。 本文先简单介绍下入门的超平面和点到超平面距离的”向量投影”理解，图形理解等，作为SVM的入门知识。​∣Ax0​+By0​+C∣​​
点(x1,y1,z1)到平面Ax+By+Cz+D=0的距离：d=∣Ax1+By1+Cz1+D∣A2+B2+C2\begin{array}{c}]]></description><category></category></item><item><title><![CDATA[简易理解用牛顿法求解方程的根与函数的最值问题（附python demo ）]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/125173454</link><guid>https://blog.csdn.net/weixin_44119512/article/details/125173454</guid><author>weixin_44119512</author><pubDate>Wed, 08 Jun 2022 18:17:54 +0800</pubDate><description><![CDATA[简易理解用牛顿法求解方程的根与函数的最值问题（附python demo ）]]></description><category></category></item><item><title><![CDATA[如何使用jupyter notebook 及其Linux服务器远程开启]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/122249133</link><guid>https://blog.csdn.net/weixin_44119512/article/details/122249133</guid><author>weixin_44119512</author><pubDate>Fri, 31 Dec 2021 11:00:56 +0800</pubDate><description><![CDATA[Python Jupyter notebook 的安装使用，以及在Linux 服务器上的配置远程访问教程。]]></description><category></category></item><item><title><![CDATA[MVDR最小方差无畸形相应波束形成器 Python 实现]]></title><link>https://blog.csdn.net/weixin_44119512/article/details/121346399</link><guid>https://blog.csdn.net/weixin_44119512/article/details/121346399</guid><author>weixin_44119512</author><pubDate>Tue, 16 Nov 2021 00:01:43 +0800</pubDate><description><![CDATA[NVDR最小方差无畸形相应波束形成器 Python 实现
干扰信号在30°，期望信号在10°，天线阵列有12个，如何求解合适的权重？
条件最值问题，拉格朗日！
详细推导参考这个https://blog.csdn.net/qq_35202266/article/details/107721476
@CSDN博主「亦贤09」的原创文章
或者 现代信号处理 第十章
Python实现过程如下，详细看代码注释：
问题：
干扰信号在30°，期望信号在10°，天线阵列有12个，如何求解合适的权重？
# -*- codin]]></description><category></category></item></channel></rss>