博客 RSS 訂閱

u_16175466 頭像

mob649e815c3b9e - 在Ollama中訓練模型

在Ollama中訓練模型是一項令人興奮的任務，它讓我們能在本地環境中進行模型訓練，進而改善自然語言處理的能力。在這篇博文中，我將詳細講解如何解決“在Ollama中訓練模型”問題的過程，從背景定位到最佳實踐，確保你能順利完成訓練過程。 背景定位 在當前的技術環境中，自然語言處理變得日益重要。使用Ollama訓練模型，可以靈活地自定義語言模型以滿足特定需求，但在實踐中，用户可能面臨訓

參數設置 , 初始化 , 默認值 , aigc

收藏 評論

u_16099209 頭像

雲端夢想家 - linux中刪除指定鏡像文件

一、刪除框架多餘的命令 很多框架都帶有 Windows 和 Linux 的兩套功能相同的命令，但是我們在 Linux 下部署服務器根本用不到 Windows 那一套命令，所有我們把所以的以 .cmd 結尾的文件都刪掉，避免每次匹配都干擾我們補全。 找到根目錄下所有的以 cmd 結尾的文件並把查找結果當做參數傳給rm -rf命令進行

find , linux中刪除指定鏡像文件 , 雲計算 , 刪除文件 , hadoop , Linux , 雲原生

收藏 評論

lxlinux 頭像

良許 - 為什麼沒人走後門幹程序員？

大家好，我是良許。 記得當年我剛從機械專業畢業那會兒，身邊不少同學都在託關係找工作。有個室友家裏有點門路，直接進了廈門煙草，拿了一輩子的鐵飯碗。而我陰差陽錯進了嵌入式這行，從最基礎的51單片機開始啃，那時候真是羨慕得不行。 但這些年下來，我在三家上市公司待過，27歲進了世界500強做汽車電子的嵌入式Linux開發，後來自己創業做技術諮詢和外包，見過的程序員沒有一千也有八百。我發現一個特別有意思的現

後端

收藏 評論

lxlinux 頭像

良許 - 985本碩進不去大廠，是不是很丟人？

大家好，我是良許。 看到這個問題，我突然想起當年自己本碩機械畢業的時候，身邊那些同學都削尖了腦袋想進大廠。有幾個計算機專業的高中同學拿到了BAT的offer，在羣裏發紅包慶祝，那場面確實挺讓人羨慕的。但你知道嗎？五年後的同學聚會上，我發現故事的走向完全不是當初想的那樣。 1. 大廠光環背後的真相 我先説個身邊的真實案例。我有個高中同學，985計算機碩士，當年順利進了某大廠，起薪比我們這些去中小公司

後端

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：四十八、從單體智能到羣體智能：A2A協議如何重塑人機協作新範式

一、開篇導語 我們對A2A已經有了初步的瞭解，但對具體使用可能還充滿了很多疑問，今天我們結合具體的實例來加深對A2A實際應用的理解，想象這樣一個場景：我們要組織一場户外籃球賽，需要同時考慮天氣狀況、場地預約、參與人員時間安排等多個因素。在傳統模式下，這需要我們分別查看天氣預報、聯繫場地管理員、逐個確認參與者時間——一個典型的多系統、多步驟的繁瑣過程

天氣查詢 , yyds乾貨盤點 , API , pytorch , 人工智能 , A2A , Json

收藏 評論

moonfdd 頭像

福大大架構師每日一題 - 2025-12-21：用特殊操作處理字符串Ⅰ。用go語言，給定一個只包含小寫字母以及三種特殊符號（*、#、%）的串 s。按從左到右的順序逐個讀取字符，並維護一個初始為空的字符串 result，遇到不同

2025-12-21：用特殊操作處理字符串Ⅰ。用go語言，給定一個只包含小寫字母以及三種特殊符號（*、#、%）的串 s。按從左到右的順序逐個讀取字符，並維護一個初始為空的字符串 result，遇到不同字符時對 result 做相應的更新： 遇到小寫字母：把它接到 result 的末尾； 遇到 '*'：如果 result 非空，則刪除末尾的一個

特殊符號 , Go語言 , 字符串 , include , 後端開發

收藏 評論

u_16213682 頭像

mob64ca140fd7c1 - 布爾變量索引 輸出維度

之前忘了告訴大家，想要編輯c++語言，就必須要下載代碼編輯器，這裏我用的是“Dev-c++”： 安裝好之後打開就行了。 我們先新建一個"變量學習.cpp",建好之後保存一下，就可以開始寫代碼啦~ 變量的類型有很多種，比如： int sum=0; 這是int形變量，他定義的變量只能賦值整數，這裏的“=

大數據 , 隱式轉換 , 數據倉庫 , 賦值 , c++ , 布爾變量索引 輸出維度 , 浮點數

收藏 評論

u_16213596 頭像

mob64ca13fb6939 - openstack docker負載均衡代碼

文章目錄 自動部署負載均衡consul+compose+template和私有倉庫harbor 一、案例 1、consul+compose+template（自動部署和負載均衡） 2、harbor（私有倉庫） 二、實驗步驟 實驗1、co

雲計算 , OpenStack , 運維 , Linux , Docker

收藏 評論

u_16213449 頭像

mob64ca12f49f4b - langchain各種提示詞的區別

在這篇博文中，我們會深入探討“langchain各種提示詞的區別”，並通過版本對比、遷移指南、兼容性處理、實戰案例、排錯指南、性能優化等多個維度來全面理解這個問題。內容結構將會是有邏輯的，確保讓每個部分自然引導讀者理解。 版本對比 為了解決 langchain 提示詞之間的區別，我們首先來看下其版本的演變。以下是各個版本的時間軸，幫助我們快速梳理出版本歷史及其變更。 time

性能優化 , 不同版本 , 配置文件 , aigc

收藏 評論

lxlinux 頭像

良許 - 20+歲男生程序員，想聽聽35歲程序員的建議

大家好，我是良許。 昨天晚上下播後，一個粉絲給我發私信，説他今年23歲，剛做程序員一年多，看到網上到處都在説35歲危機，問我這個過來人有什麼建議。看到這條消息，我突然想起自己24歲剛畢業那會兒，也是滿腦子焦慮，擔心自己從機械轉行到嵌入式會不會走錯路，擔心自己技術不夠好會不會被淘汰。現在我已經過了36歲，這些年的經歷讓我對這個問題有了很多不一樣的思考。 1. 先説説我見過的35歲程序員 我只呆過三家

後端

收藏 評論

u_16175476 頭像

mob649e815e9bc9 - 如何前端調用ollama

如何在前端調用Ollama 在當今以AI驅動的應用程序中，如何前端調用Ollama成為了一個熱門話題。我們可以利用Ollama提供的API接口，從前端輕鬆調用其能力。以下將詳細介紹這一過程，包括可能遇到的問題及其解決方案。 問題背景 當我們嘗試通過前端調用Ollama時，可能會遇到一系列的挑戰。常見的現象描述包括請求超時、權限不足和響應格式不正確等。下圖展示了這一調用流程的觸發鏈

API , aigc , JAVA , Json

收藏 評論

u_16213410 頭像

mob64ca12eb3858 - 怎麼調用LLAMA的API

在現代自然語言處理領域，開放式模型如LLAMA為開發者和研究人員提供了強大的API接口，使他們能夠構建智能對話系統、文本生成工具和更多的應用。然而，很多用户在嘗試調用LLAMA的API時，常常會遇到諸多問題。本文將詳細介紹如何調用LLAMA的API，並且通過實際操作示範解決常見的錯誤。 問題背景 在我的項目中，我需要利用LLAMA的API來生成自然語言文本，以便為我的用户提供智能

配置文件 , API , aigc , 錯誤處理

收藏 評論

u_16213426 頭像

mob64ca12ef217e - 使用transformer跑llama模型

在本文中，我將分享如何解決“使用transformer跑llama模型”的過程，這裏涵蓋了用户場景、錯誤現象、根因分析、解決方案、驗證測試以及預防優化等各個方面。 在實際應用中，許多開發團隊希望使用Hugging Face的Transformer庫來實現LLAMA模型以進行自然語言處理任務。因此，他們經歷了一系列的配置與調試過程。一個具體用户場景是，一個團隊正在搭建一個聊天機器人，旨

User , 工具鏈 , aigc , 解決方案

收藏 評論

u_16175451 頭像

mob649e8158a948 - Ubuntu 修改ollama下載模型目錄

在處理“Ubuntu 修改ollama下載模型目錄”的問題時，我深入探索了多個層面的實現和配置選項。從環境配置開始，我穩定了軟件依賴關係。接着，我順利地編譯了所需的工具，並進行了參數調優，確保系統性能達最佳。最後，我做了一些定製開發以符合我的需求，調試過程中的技巧也幫助我更快地解決了問題。下面是我詳細記錄的過程。 環境配置 在Ubuntu環境下，進行ollama配置時，確保安裝所

aigc , 編譯過程 , 環境配置 , 調優

收藏 評論

xingyannian 頭像

質數的孤島 - 前端權限與登錄驗證體系

🧠 前端權限與登錄驗證體系 🔐 1. 認證機制 (Authentication) 核心目標：確認“你是誰”，保持登錄狀態 Token 方案 (JWT) 流程：登錄 → 後端簽發 Token → 前端存儲 → 請求攜帶 Token → 後端驗證 存儲位置 localStorage：常用，持久化好，但需防 XSS。 Http

vue.js , typescript , 前端 , Javascript

收藏 評論

u_17400586 頭像

程序員愛釣魚 - Node.js 編程實戰：日誌管理與分析

在後端系統中，日誌不僅是排查問題的工具，更是系統運行狀態的重要記錄。無論是接口報錯、性能瓶頸，還是用户行為分析，都離不開高質量的日誌體系。Node.js 應用通常運行在高併發環境下，如果日誌設計不合理，很容易出現信息缺失、性能下降甚至磁盤被寫滿等問題。 本文將圍繞 Node.js 日誌的設計思路、常見實現方式以及日誌分析實踐進行講解。 一、為什麼日誌如此重要

錯誤日誌 , Go語言 , 生產環境 , 日誌輸出 , 後端開發

收藏 評論

u_17400586 頭像

程序員愛釣魚 - Node.js 編程實戰：圖像與文件上傳下載

在 Web 應用中，文件與圖片上傳下載幾乎是必備功能。從用户頭像、附件上傳，到後台報表導出、圖片資源分發，都離不開穩定可靠的文件處理能力。Node.js 天然適合 I/O 密集型任務，在文件傳輸和流式處理方面具有明顯優勢。 本文將從基礎原理出發，介紹 Node.js 中文件與圖片的上傳、存儲、下載以及常見優化方案。 一、文件上傳的基本原理 文件上傳本質上是

Go語言 , 上傳下載 , 文件上傳 , 上傳 , 後端開發

收藏 評論

u_16175461 頭像

mob649e815b1a71 - ollama post 接口 示例

在這篇博文中，我們將深入剖析如何使用 ollama 的 post 接口，提供一個全面的示例，以及詳細的環境準備和配置步驟。這些信息將幫助你更好地理解和使用這個接口。 環境準備 首先，確保你的開發環境已準備好使用 ollama，我們需要安裝以下依賴： ollama: 這是我們將要使用的核心工具。 curl: 用於簡單的 HTTP 請求。 Python: 為了

User , aigc , Json , Python

收藏 評論

u_16213405 頭像

mob64ca12ea10ec - LLAMA3 evaluation batch size

在使用 LLAMA3 進行模型評估時，我們常常會遇到關於“evaluation batch size（評估批大小）”的問題。選擇合適的批大小不僅可以影響模型的評估性能，還能顯著影響內存使用和處理速度。今天，我們將探討解決“LLAMA3 evaluation batch size”的方法，涵蓋版本對比、遷移指南、兼容性處理、實戰案例、排錯指南和生態擴展等方面。 版本對比 首先，讓我

不同版本 , lua , 依賴庫 , aigc

收藏 評論

u_16213463 頭像

mob64ca12f7e7cf - github copilot和bito對比

作為現代軟件開發的利器，GitHub Copilot 和 Bito 都致力於提升開發者的生產力。然而，這兩者在應用場景、功能特性等方面存在顯著差異。本文將探討這兩者的對比，包括它們的性能指標、核心特性及在實際項目中的應用示例。同時，我將提供選型指南，幫助開發者根據自身需求選擇合適的工具。 背景定位 在當前快速發展的技術環境中，自動化編程助手正在成為開發者日常工作的重要組成部分。G

代碼生成 , 知識管理 , aigc , 開發者

收藏 評論

u_16213405 頭像

mob64ca12ea10ec - ollama與openai區別

ollama與openai是當前通用人工智能領域中的兩個重要代表，各自有着不同的技術基礎和應用目標。在這篇文章中，我們將探討如何管理這兩個系統之間的區別，特別是在備份策略、恢復流程、災難場景、工具鏈集成、預防措施及擴展閲讀方面的綜合管理。 備份策略 在備份ollama和openai的數據及模型時，我選擇了定期備份方案，並使用甘特圖來表示這一過程。備份週期為每週一次，操作時間為每週

服務器 , 數據 , 工具鏈 , aigc

收藏 評論

u_16175498 頭像

mob649e8163f390 - stablediffusion模型下載

在這個時代，生成模型的應用愈發廣泛。其中，Stable Diffusion 作為一款優秀的圖像生成模型，得到了越來越多開發者和藝術家的關注。然而，下載其模型並配置到本地運行的過程，往往會遇到許多問題。為了幫助大家更好地解決“Stable Diffusion 模型下載”的問題，接下來我們將逐步剖析相關內容。 版本對比 在我們深入瞭解 Stable Diffusion 模型的下載流程

生成模型 , aigc , 開發者 , 性能提升

收藏 評論

rabbitcodeman 頭像

兔子碼農 - Exception - 基本異常

表示應用程序執行期間發生的錯誤。 public class Exception : System . Runtime . Serialization . ISerializable 繼承 Object Exception 派生 System.Exception 1. 系統異常 ├── 內存與資源異常 │ ├── System

visual-studio

收藏 評論

u_16213447 頭像

mob64ca12f43142 - Diffusion model面試題

關於“Diffusion model面試題”的描述： 在近年來，Diffusion model在各種領域的應用逐漸增多，包括計算機視覺、自然語言處理等。許多公司在面試中開始關注應聘者對Diffusion model的理解與實際應用能力。這篇博文將系統性地記錄如何應對相關的面試題，並提供有效的解決方案和最佳實踐。 版本對比 在討論不同版本的Diffusion model時，我們

性能優化 , 不同版本 , API , aigc

收藏 評論