本文仅供学习使用，首先你得有N卡，检查一下你的电脑是否有N卡，有就继续往下看，没有就回家吧孩子，回家吧！开个玩笑，我们可以白嫖好兄弟的呀。本次环境内存：32G显卡:  GTX 3060  6G windows11配置要求本次部署8b，因为小下载快，只有5g。如果配置跟得上推荐使用32B的模型, 基本上可以达到原版9成水平本地部署下载ollamaollama是一个开源的人工智能框架，旨在为开发者提供一个灵活、高效的工具，可以轻松将大语言模型集成到自己的应用中。访问:&

前言最近 DeepSeek 非常火爆，和 22 年 ChatGPT 横空出世一样，官方的服务器动不动就会“服务器繁忙，请稍后再试”。但和 ChatGPT 不同的是，DeepSeek 的官方 API 价格便宜，并且开源模型权重，允许用户利用模型输出、通过模型蒸馏等方式训练其他模型。这也就意味着在官方网站或者 API 繁忙时，我们还可以使用第三方的 API，甚至是本地运行蒸馏后的模型来运行 DeepSeek R1。对于习惯使用 API 的用户，最近 DeepSeek 官方暂停了 API  

DeepSeek部署完后，除了正常的聊天使用，实际上更想基于它做一些更符合预期的事情，比如基于某些事实或者数据，能给我推理出来相关的结果或者尽量限制在某一部分进行回答，这个比较突出的表现方式就是知识库，其中，最新最新出来的开源 RAGFlow 很不错，这就部署出来瞅一下。当然，DeepSeek的部署就需要参考《基于Ubuntu Ollama 部署 DeepSeek-R132B 聊天大模型（附带流式接口调用示例）》这篇文章了。RAGFlow简单介绍下它，RAGFlow 是一款基于深度文档理解构建的

Debian12安装nvidia闭源驱动1.查询自己安装的显卡型号2. 下载Nvidia linux驱动3. 安装驱动依赖项4.安装驱动run1.查询自己安装的显卡型号下面展示一些 内联代码片。// 查询当前使用的显卡 lspci | grep VGA // 查询nvidia显卡 lspci | grep -i nvidia// 以笔记本RTX2050显卡为例In: lspc

1.Linux查看显卡信息：1.1查询显卡信息 lspci | grep -i vga前边的序号 “04:00.0″是显卡的代号ASPEED Technology, Inc. ASPEED Graphics Family 即为GPU型号1.2查看指定显卡的详细信息用以下指令：lspci -v -s  04:00.01.3使用nvidia GPU可以：lspci | grep -

Ubuntu安装NVIDIA驱动安装NVIDIA驱动apt命令安装安装包安装同时安装驱动和CUDA自动安装（推荐）准备操作禁用nouveau显卡驱动安装NVIDIA显卡驱动验证安装NVIDIA驱动准备操作确定系统识别到了显卡root@master:~# lspci | grep -i nvidia 03:00.0 3D controller: NVIDIA Corporation TU1

如何在 Linux 中添加路由（Linux route）本文翻译、删改自：How To Add Route on Linux – devconnected若觉得本译文中缺了什么东西，请自行参考原文，不再单独标出关于 Linux 路由管理的详细内容，可参阅：基于策略的路由 (Policy Based Routing)、 主路由表（rt_table）、内置路由表、ip route 输出详解、增删路由，路由优先级处理本教程中所有的命令都需要使用 root 执行。使用 ip 添加路由这是最简单

在实现Bing搜索功能的过程中，获取Microsoft API密钥是至关重要的一步。Microsoft的API服务依赖于密钥来确保用户能够安全、高效地访问其强大的搜索功能。凭借其先进的技术和广泛的数据资源，Microsoft的Bing搜索API为用户带来了精准的搜索体验和丰富的信息获取途径。因此，获取Microsoft API密钥成为实现Bing搜索功能的首要任务。接下来，本文将详细指导你如何逐步获取这一密钥，帮助你顺利接入并使用Bing搜索API，同时还会简要提及一些在使用过程中可能需要注意的

介绍SearXNG是聚合了七十多种搜索服务的开源搜索工具。我们可以匿名浏览页面，不会被记录和追踪。作为开发者，SearXNG也提供了清晰的API接口以及完整的开发文档。部署我们可以很方便地使用Docker和Docker compose部署SearXNG。下面给出Docker部署SearXNG的步骤。拉取Docker部署代码工程：git clone https://github.com/searxng/searxng-docker.git拉取代码前需要安装git。这里的工程因为

在window下安装过 Ollama和OpenWebUI搭建本地的人工智能web项目（可以看我之前写的文章），无奈电脑硬件配置太低，用qwen32b就很卡，卡出PPT了，于是又找了一台机器安装linux系统，在linux系统下测试一下速度能否可以快一些。系统硬件介绍Ubuntu 22.04.4 LTSCPU: i5-10400F内存：32G硬盘： 512G SSD显卡： NVIDIA GeForce GTX 1060 6GB内网IP: 192.168.1.21下载 Ollama访问下载： htt

ollama+open-webui，本地部署自己的大模型版权目录一、效果预览二、部署ollama1.ollama说明2.安装流程2.1 windows系统2.1.1下载安装包2.1.2验证安装结果2.1.3设置模型文件保存地址2.1.4拉取大模型镜像2.2linux系统2.2.1下载并安装ollama2.2.2设置环境变量2.2.3拉取模型文件三、部署open-webui1.open-webui介绍2.安装流程2.1windows2.1.1下载源码2.1.2用pycharm新建一个虚拟环境?编辑

1、下载ollama1）https://ollama.com 进入网址，点击download下载2）下载后直接安装即可。2、启动配置模型默认是启动cmd窗口直接输入1 ollama run llama3启动llama3大模型 或者启动千问大模型1 ollama run qwen2启动输入你需要输入的问题即可 3、配置UI界面安装docker并部署web操作界面1 docker run&n

这两天大家都被DeepSeek炸晕了吧，嘿嘿，其实DeepSeek也被大家炸晕了。这是今天上午的情况↓没办法，这泼天的流量一般人扛不住~想高频使用怎么办呢？本地装一个！本地部署有两个好处：❶不联网，全私密，不担心隐私泄露，还可以挂载本地知识库❷完全免费，彻底告别“服务器繁忙”。如果你是苹果Mac本——我们需要用到两个神器：一个叫做Ollama，这是一个可以在本地运行和管理大模型的软件。另一个叫做Page Assist，这是个浏览器插件，提供本地大模型的图形化管理和对话界面。一、下载Ollama，

nssm（Non-Sucking Service Manager）是一个用于在Windows系统上管理服务的工具。它允许你将.exe文件和.bat文件转换为Windows服务，并提供了一些功能来管理这些服务。下载和安装首先，你需要从nssm官方网站（https://nssm.cc/download）下载最新版本的nssm。解压缩下载的文件到一个方便访问的目录中，比如D:\nssm-2.24。使用nssm进入到和你电脑相对应的win32和win64的文件夹下在路径上输入cmd然后回车然后输入nss