AES200物理機部署DeepSeek-R1蒸餾模型

AES200物理機部署DeepSeek-R1模型

華為官方官宣自己的NPU支持DeepSeek-R1模型部署，華為的大模型推理部署依托于其大模型推理引擎：MindIE，但是根據MindIE的文檔，其只支持以下硬件：

表1 MindIE支持的硬件列表

類型配置參考
服務器Atlas 800I A2 推理產品
Atlas 200T A2 Box16 異構子框
推理卡Atlas 300I Duo 推理卡+Atlas 800 推理服務器（型號：3000）

而且根據華為官方發布的支持DeepSeek的docker 鏡像，也需要以下硬件配置：

硬件要求

部署DeepSeek-V3模型用BF16權重進行推理至少需要4臺Atlas 800I A2（864G）服務器，用W8A8量化權重進行推理則至少需要2臺Atlas 800I A2 (864G)

今天我們就嘗試一下，凌華智能科技有限公司發布的基于華為Ascend310P處理芯片的AES200邊緣推理服務器能不能拉動DeepSeek這兩大車! 開搞！！

1. 安裝MindIE推理引擎

雖然根據MindIE的文檔，MindIE只支持Atlas 300I Duo推理卡以上的設備，但是由于AES200采用的Ascend310P處理芯片是和Atlas 300I Duo卡采用的芯片是同一系列的芯片，按理來說MindIE也是應該能跑起來的，我們不防試試，走起！

注意：本次安裝為了簡單方便，我們的安裝用戶和運行用戶都采用root賬號！！！

1.1 安裝方案

此次我們采用如下圖所示的物理機部署方案，完成MindIE開發環境的安裝。

img

1.2 準備AES200環境

這次我們在AES200上安裝OpenEuler 22.03的系統版本，固件和驅動的版本如下：

軟件名稱分類發布日期說明
Ascend-hdk-310p-npu-firmware-soc_7.3.0.1.231.runNPU2024/07/19Atlas 200I SOC A1產品固件包（run格式）
Ascend-hdk-310p-npu-driver-soc-oe2203_24.1.rc2_linux-aarch64.runNPU2024/07/19Atlas 200I SOC A1產品ARM架構支持OpenEuler 22.03驅動包（run格式）
+--------------------------------------------------------------------------------------------------------+
| npu-smi 24.1.rc2                                 Version: 24.1.rc2                                     |
+-------------------------------+-----------------+------------------------------------------------------+
| NPU     Name                  | Health          | Power(W)     Temp(C)           Hugepages-Usage(page) |
| Chip    Device                | Bus-Id          | AICore(%)    Memory-Usage(MB)                        |
+===============================+=================+======================================================+
| 0       310P1                 | OK              | NA           27                0     / 0             |
| 0       0                     | NA              | 80           NA / 43173                              |
+===============================+=================+======================================================+

1.3 安裝開發環境

MindIE與CANN版本必須配套使用，其版本配套關系如下表所示。

MindIE版本配套CANN版本
1.0.08.0.0

軟件安裝前，請下載下表MindIE依賴的軟件包，各軟件包版本號需要保持一致。

依賴軟件包軟件說明
CANNAscend-cann-toolkit*_{version}_linux-{arch}*.run開發套件包。
Ascend-cann-kernels-{chip_type}_{version}_linux-{arch}.run二進制算子包。
Ascend-cann-nnal*_{version}_linux-{arch}*.run加速庫軟件包。
ATB ModelsAscend-mindie-atb-models_{version}_linux-{arch}py*xxxtorchx.x.x*-{abi}.tar.gz模型庫安裝包。使用MindIE Service和MindIE LLM組件時，需要安裝。
Ascend Extension for PyTorchtorch_npu-{torch_version}.post{post_id}-cpxxx-cpxxx-manylinux_{arch}.whltorch_npu插件whl包。
apex-{apex_version}_ascend-cpxxx-cpxxx-{arch}.whlApex模塊的whl包。請參見《Ascend Extension for PyTorch 配置與安裝》中的“（可選）安裝APEX模塊”章節，根據Python3.10版本自行編譯。
torch-{torch_version}+cpu-cpxxx-cpxxx-linux_{arch}.whlPyTorch框架whl包。說明當前只支持1.11.0和2.1.0版本。請從《Ascend Extension for PyTorch 配置與安裝》中的“安裝PyTorch框架”章節獲取。
1.3.1 安裝依賴

根據MindIE的文檔，MindIE依賴下表中的軟件包

軟件版本要求
glibc>=2.34，（openEuler22.03系統中glibc版本滿足要求）。
gcc、g++>=11.4.0，（OpenEuler22.03系統找那個gcc，g++不滿足要求），可以通過conda環境安裝，或者編譯安裝，我這里采用Conda虛擬一個環境進行安裝。
Python3.10*.x*、3.11.x，OpenEuler22.03默認帶的python版本為3.9，我們這里用Conda來創建一個虛擬環境來滿足對Python版本的要求。建議執行命令pip3 install --upgrade pip進行升級（pip版本需 ≤ 24.0），避免因pip版本過低導致安裝失敗。
gevent22.10.2
python-rapidjson>=1.6
geventhttpclient2.0.11
urllib32.1.0
greenlet3.0.3
zope.event5.0
zope.interface6.1
prettytable3.5.0
jsonschema4.21.1
jsonlines4.0.0
thefuzz0.22.1
pyarrow>=15.0.0
pydantic2.6.3
sacrebleu2.4.2
rouge_score0.1.2
pillow10.3.0
requests2.31.0
matplotlib>=1.3.0
text_generation0.7.0
numpy1.26.3
pandas2.1.4
transformers>=4.30.2，請用戶根據模型選擇對應版本。
tritonclient[all]-
colossalai0.4.0

安裝Miniconda

$ wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
$ ./Miniconda3-latest-Linux-aarch64.sh #安裝時選擇缺失配置安裝就行

創建虛擬環境

$ conda create -n mindie python=3.10
$ conda activate mindie
$ pip3 install --upgrade pip==24
$ conda install -c conda-forge gcc=11.4.0 gxx=11.4.0
$ gcc --version #檢查gcc版本
$ pip3 --version #檢查pip3版本呢

安裝依賴pip包

將以下內容添加安裝文件requirements.txt中，樣例如下所示。

gevent==22.10.2
python-rapidjson>=1.6
geventhttpclient==2.0.11
urllib3>=2.1.0
greenlet==3.0.3
zope.event==5.0
zope.interface==6.1
prettytable~=3.5.0
jsonschema~=4.21.1
jsonlines~=4.0.0
thefuzz~=0.22.1
pyarrow~=15.0.0
pydantic~=2.6.3
sacrebleu~=2.4.2
rouge_score~=0.1.2
pillow~=10.3.0
requests~=2.31.0
matplotlib>=1.3.0
text_generation~=0.7.0
numpy~=1.26.3
pandas~=2.1.4
transformers>=4.30.2
tritonclient[all]
colossalai==0.4.0

在創建的mindie虛擬環境中執行以下命令進行安裝

$ pip3 install -r requirements.txt
1.3.2 安裝CANN

詳細過程，請參照華為的《CANN 軟件安裝指南》中的“安裝CANN軟件包”章節，依據設備情況及操作系統支持情況，安裝CANN開發套件包Ascend-cann-toolkit*_{version}_linux-{arch}*.run。

安裝CANN依賴

在創建的conda 虛擬環境mindie下安裝CANN依賴包

$ pip3 install attrs cython numpy==1.24.0 decorator sympy cffi pyyaml pathlib2 psutil protobuf==3.20 scipy requests absl-py cloudpickle  ml-dtypes tornado

安裝toolkit

$ ./Ascend-cann-toolkit_8.0.0_linux-aarch64.run --install --install-for-all
# 環境變量設置
$ source /usr/local/Ascend/ascend-toolkit/set_env.sh

根據安裝成功后的提示，添加source /usr/local/Ascend/ascend-toolkit/set_env.sh到/root/.bashrc中, 設置永久環境變量

安裝二進制算子包

詳細過程，請參照華為的《CANN 軟件安裝指南》中的“安裝CANN軟件包”章節，依據設備情況及操作系統支持情況，安裝CANN二進制算子包Ascend-cann-kernels-{chip_type}_{version}_linux-{arch}.run。

$ ./Ascend-cann-kernels-310p_8.0.0_linux-aarch64.run --install --install-for-all

安裝加速庫

NNAL軟件包中提供了面向大模型領域的ATB（Ascend Transformer Boost）加速庫，實現了基于Transformer結構的神經網絡推理加速引擎庫，提供昇騰親和的融合算子、通信算子、內存優化等，作為算子的公共底座提升了大模型推理性能。

$ ./Ascend-cann-nnal_8.0.0_linux-aarch64.run --install  --install-for-all
# 環境變量設置
$ source /usr/local/Ascend/nnal/atb/set_env.sh

將source /usr/local/Ascend/nnal/atb/set_env.sh添加到/root/.bashrc文件中的最后一行, 設置永久環境變量

1.3.3 安裝Pytorch
  • 請參見《Ascend Extension for PyTorch 配置與安裝》中的“安裝PyTorch框架”章節安裝PyTorch框架。
  • 請參見《Ascend Extension for PyTorch 配置與安裝》中的“安裝torch_npu插件”章節安裝torch_npu插件。

MindIE中各組件依賴PyTorch框架和torch_npu插件，依賴情況如下表所示，請用戶依據實際使用需求安裝。

組件名稱是否需要安裝PyTorch框架是否需要安裝torch_npu插件
MindIE Torch必裝可選
MindIE Service必裝必裝
MindIE LLM必裝必裝
MindIE SD必裝必裝

安裝pytorch

# 下載軟件包
$ wget https://download.pytorch.org/whl/cpu/torch-2.1.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
# 安裝命令
$ pip3 install torch-2.1.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

安裝pytorch擴展

# 下載插件包
$ wget https://gitee.com/ascend/pytorch/releases/download/v6.0.0-pytorch2.1.0/torch_npu-2.1.0.post10-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
# 安裝命令
$ pip3 install torch_npu-2.1.0.post10-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

執行如下命令，若返回True 則說明安裝成功。

python3 -c "import torch;import torch_npu;print(torch_npu.npu.is_available())"
1.3.4 安裝ATB Models

詳細過程，請參照華為的《MindIE安裝指南》中的“安裝ATB Models”章節。

ATB Models軟件包是集成到了華為提供的MindIE推理鏡像包里面，需要下載推理鏡像包，運行docker啟動鏡像后，從/opt/package目錄提取對應版本的ATB Models包。注意包有兩類接包：abi0，abi1，請在你的mindie虛擬環境中使用以下指令查看abi是0還是1

python -c "import torch; print(torch.compiled_with_cxx11_abi())"

若輸出結果為True表示abi1，False表示abi0，根據輸出結果選擇對應的abi包

$ mkdir /usr/local/Ascend/llm_model
$ tar -xzf Ascend-mindie-atb-models_1.0.0_linux-aarch64_py310_torch2.1.0-abi0.tar.gz -C /usr/local/Ascend/llm_model
# 環境變量設置
$ source /usr/local/Ascend/llm_model/set_env.sh

將source /usr/local/Ascend/llm_model/set_env.sh添加到/root/.bashrc文件中的最后一行, 設置永久環境變量

安裝atb-llm

$ pip3 install /usr/local/Ascend/llm_model/atb_llm-0.0.1-py3-none-any.whl

1.4 安裝MindIE

1.4.1 準備安裝包

MindIE軟件包

名稱軟件包說明
MindIE軟件包Ascend-mindie*_{version}_linux-{arch}*.run推理引擎軟件包，主要用于用戶開發基于MindIE的應用。

執行安裝前請確保安裝環境滿足硬件環境，支持的操作系統要求，并已參照安裝驅動和固件和安裝開發環境章節完成開發環境的安裝。執行MindIE軟件包的安裝，會依次安裝MindIE RT、MindIE Torch、MindIE Service、MindIE LLM和MindIE SD各組件，組件包的路徑在MindIE的子路徑下。

1.4.2 安裝步驟

執行安裝程序

$ ./Ascend-mindie_1.0.0_linux-aarch64.run --install
# 環境變量設置
$ source /usr/local/Ascend/mindie/set_env.sh

將source /usr/local/Ascend/mindie/set_env.sh添加到/root/.bashrc文件中的最后一行, 設置永久環境變量

1.5 配置MindIE Server

詳細配置項介紹，請參照華為的《MindIE安裝指南》中的“配置MindIE Server”章節的單機推理。

MindIE Server 對于Python的環境要求為Python3.10. 或者Python3.11. 此處以我的虛擬環境中Python3.10.16為例，如果環境中的Python3.10.16不是默認版本，需要參考如下方法添加環境變量到/root/.bashrc文件中（Python路徑根據實際路徑進行修改）。

conda activate mindie #默認激活虛擬環境
export export LD_LIBRARY_PATH=${HOME}/miniconda3/envs/mindie/lib:${HOME}/miniconda3/envs/mindie/lib/python3.10:$LD_LIBRARY_PATH

在此，我只是添加了Python的環境變量，并沒有更改MindIE Server的配置項文件：config.json。這個文件可以根據不同的模型修改，我們放在模型部署時修改此文件。

2 部署DeepSeek模型

由于AES200的資源有限，肯定是不可能推理滿血的DeepSeek模型的，我們采用一個蒸餾過的模型： DeepSeek-R1-Distill-Qwen-7B測試一下。

2.1 下載模型

由于模型是從huggingface官網下載，我們需要安裝官方的下載工具huggingface_hub，這樣更快的下載模型，注意：這里可能需要科學上網

 $ pip3 install -U huggingface_hub

下載模型文件

$ huggingface-cli download --resume-download deepseek-ai/DeepSeek-R1-Distill-Llama-8B  --local-dir /home/data/datasets/DeepSeek-R1-Distill-Llama-8B

修改模型權重config.json中torch_dtype字段為float16

修改文件的屬性：

$ chmod 750 /home/data/datasets/DeepSeek-R1-Distill-Llama-8B/config.json

2.2 服務化推理

打開配置文件

$ vim /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json

更改配置文件

{
...
"ServerConfig" :
{
...
"port" : 1040, #自定義
"managementPort" : 1041, #自定義
"metricsPort" : 1042, #自定義
...
"httpsEnabled" : false, #測試階段可以用開啟https
...
},"BackendConfig": {
...
"npuDeviceIds" : [[0]], #因為AES200只有一個NPU
...
"ModelDeployConfig":
{
"truncation" : false,
"ModelConfig" : [
{
...
"modelName" : "qwen",
"modelWeightPath" : "/home/data/datasets/DeepSeek-R1-Distill-Llama-8B",
"worldSize" : 1, #這里的數字應和NPU的數量對應,我的測試結果結果是：如果不設置成1，執行報錯。
...
}
]
},
}
}

拉起服務化

cd /usr/local/Ascend/mindie/latest/mindie-service/bin
./mindieservice_daemon

當出現Daemon start success!, 表示成功拉起服務

2025-02-09 14:27:32,109 [INFO] standard_model.py:155 - >>>rank:0 done ibis manager to device
2025-02-09 14:27:32,117 [INFO] npu_compile.py:20 - 310P,some op does not support
2025-02-09 14:27:32,118 [INFO] standard_model.py:172 - >>>rank:0: return initialize success result: {'status': 'ok', 'npuBlockNum': '2602', 'cpuBlockNum': '731', 'maxPositionEmbeddings': '131072'}
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
Daemon start success!

2.3 推理請求

當服務化推理成功后，我們就可以通過curl發送推理求來測試是否可以正常推理。

開啟一個新的終端， 并運行一下命令

 time curl -H "Accept: application/json" -H "Content-type: application/json" -X POST -d '{"model": "llama","messages": [{"role": "user","content": "我有三天的假期，我想去長沙玩玩，主要看看橘子洲頭、岳麓山、博物館，請給我做一個攻略"}],"max_tokens": 512,"presence_penalty": 1.03,"frequency_penalty": 1.0,"seed": null,"temperature": 0.5,"top_p": 0.95,"stream": false
}' http://127.0.0.1:1040/v1/chat/completions     #其中127.0.0.1以實際ip地址為準

大致的結果如下，但是感覺結果沒有輸出全，估計是curl請求的問題，待確認：

{"id":"endpoint_common_2","object":"chat.completion","created":1739086214,"model":"llama","choices":[{"index":0,"message":{"role":"assistant","content":"<think>\n好，我現在要幫用戶制定一個三天的長沙游攻略，用戶想去橘子洲頭、岳麓山和博物館。首先，我得了解這幾個景點的地理位置和大致門票情況。\n\n橘子洲頭在長沙市中心附近，應該不需要太多時間，可以安排第一天去那里，然后順便看看周邊的商業街，比如IFS城花園，這樣比較充實。第二天可以考慮岳麓山，那里距離市區有點遠，可能需要半程停車，然后坐公交或者打車前往山內景點。第三天可以集中在博物館，比如湖南地方法院舊址和文化宮，這些都是比較著名的地方，而且都靠近市中心，方便安排。\n\n交通方面，長沙的公共交通很發達，但有些景點離市區較遠的話可能需要自駕或包車。我得提醒用戶注意這一點。另外，每個景點的開放時間也要確認，如果有特殊展覽的話會不會影響行程。\n\n住宿的話，如果是短期旅行，可以推薦一些經濟型酒店或民宿，特別是如果預算有限的話，還可以給出一些選擇建議。不過，也有可能用戶希望更高檔，所以我就簡單提一下選項吧。\n\n餐飲部分，每個地方都有一些特色美食，比如湘菜火鍋、燒烤等，要讓用戶知道能吃到當地特色，這樣他們會更滿意行程。此外，還應告知他們安全帶好風衣，因為四季變換時節氣變化較大，不同季節防護措施不同。\n\n最后，把這些內容整合成一份清晰的攻略，讓每一天都有明確的活動安排，并且盡量緊湊時間，以滿足三天之內盡可能多地點游玩。\n</think>\n\n好的！以下是一個詳細的大綱，將幫助你規劃三日之旅：\n\n---\n\n### **第一 天：橘子洲頭與城市體驗**\n**上午：橘子洲頭（Yueh-Lung Mountain）**\n1. **門票價格**：約60-80元  \n2. **游覽路線**：\n   - 從入口進入后，可騎電車環島觀光，或步行登山至望云樓（免費）。\n","tool_calls":null},"finish_reason":"length"}],"usage":{"prompt_tokens":39,"completion_tokens":512,"total_tokens":551},"prefill_time":140,"decode_time_arr":[97,103,97,96,96,95,98,96,95,95,102,100,96,96,96,96,95,96,98,95,97,95,97,95,95,96,95,99,97,96,95,96,97,96,97,98,100,101,100,100,100,100,102,100,101,100,101,100,101,101,100,100,99,99,101,95,97,97,95,96,95,96,95,95,96,98,97,97,95,95,96,95,95,96,97,95,95,95,96,95,96,96,102,96,97,97,96,95,98,99,95,99,104,96,95,95,95,98,95,95,96,96,95,95,96,96,95,95,96,96,95,99,95,95,95,97,95,97,96,96,97,95,96,95,95,96,96,95,95,95,95,103,95,96,97,95,97,96,96,95,96,97,97,96,95,97,95,95,95,96,95,97,97,99,97,96,96,96,95,95,100,99,96,95,95,95,95,95,95,96,113,96,96,96,104,95,96,95,97,96,95,96,95,95,95,95,96,96,95,95,104,96,98,95,95,95,96,95,95,95,103,95,95,96,95,96,96,96,96,97,95,95,97,97,95,97,96,98,96,95,95,97,98,95,96,97,96,95,95,97,96,95,95,95,96,95,95,95,95,103,102,96,96,102,97,95,96,95,96,107,95,95,95,99,99,108,99,100,101,103,102,100,100,102,100,102,100,100,102,102,100,100,101,99,101,100,102,100,102,100,95,97,95,95,96,95,96,95,95,95,97,95,96,97,96,100,95,95,97,96,95,96,95,95,95,97,95,95,103,95,96,96,100,97,95,95,97,95,95,95,95,95,102,96,95,95,95,103,96,96,95,103,100,95,95,95,96,95,96,96,95,96,95,96,95,98,96,96,97,96,96,96,96,103,95,95,95,96,95,95,95,96,96,96,96,97,96,95,96,95,96,97,96,95,97,95,95,96,96,97,97,96,96,98,97,96,96,96,95,95,95,97,95,96,98,96,95,95,96,95,96,95,95,107,98,95,95,95,95,95,106,95,97,106,96,96,96,96,96,96,95,97,96,95,95,98,95,95,95,96,95,103,95,96,96,96,96,95,95,96,96,97,95,95,95,95,96,96,95,103,95,96,96,96,95,103,97,96,96,95,96,95,96,96,96,95,95,98,103,96,96,97,96,98,96,96,95,95,95,95,95,95,103,96,95,95,103,96,98,96,95,100,102,95,103,96,95,95,95,95,95,95,95,95,96,96,96,96,97,96,96]}
real    0m49.998s
user    0m0.011s
sys     0m0.017s

性能方面：

第一次開啟新話題比較慢，要思考1分鐘多鐘，后續基于此話題在繼續問問題會快一些，總體而言，也就是AES200也能跑大模型，只是速度方面稍慢，華為的庫支持還需要完善！

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/news/895119.shtml
繁體地址，請注明出處：http://hk.pswp.cn/news/895119.shtml
英文地址，請注明出處：http://en.pswp.cn/news/895119.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

【后端開發】系統設計101——Devops，Git與CICD，云服務與云原生，Linux，安全性，案例研究（30張圖詳解）

【后端開發】系統設計101——Devops，Git與CICD，云服務與云原生，Linux，安全性，案例研究（30張圖詳解）

【后端開發】系統設計101——Devops&#xff0c;Git與CICD&#xff0c;云服務與云原生&#xff0c;Linux&#xff0c;安全性&#xff0c;案例研究&#xff08;30張圖詳解&#xff09; 文章目錄 1、DevopsDevOps與SRE與平臺工程的區別是什么&#xff1f;什么是k8s&#xff08;Ku…
閱讀更多...
正泰中間電磁繼電器【8腳10A】DC24V 待機功率

正泰中間電磁繼電器【8腳10A】DC24V 待機功率

需求&#xff1a;繼電器能耗測試。 1.連接24V2A的電源&#xff0c; 2. 穩定功率為 1.4W 3. 正泰中間電磁繼電器【8腳10A】直流DC24V 注&#xff1a;聯通時電磁繼電器會輕微發熱 4.電磁繼電器的工作原理基于電流的磁效應 電磁激勵&#xff1a;電磁繼電器主要由線圈、鐵芯、銜…
閱讀更多...
計算機視覺核心任務

計算機視覺核心任務

1. 計算機視頻重要分類 計算機視覺的重要任務可以大致分為以下幾類&#xff1a; 1. 圖像分類&#xff08;Image Classification&#xff09; 識別圖像屬于哪個類別&#xff0c;例如貓、狗、汽車等。 應用場景&#xff1a;物品識別、人臉識別、醫療影像分類。代表模型&#…
閱讀更多...
責任鏈模式（Chain Responsibility）

責任鏈模式（Chain Responsibility）

一、定義&#xff1a;屬于行為型設計模式&#xff0c;包含傳遞的數據、創建處理的抽象和實現、創建鏈條、將數據傳遞給頂端節點&#xff1b; 二、UML圖 三、實現 1、需要傳遞處理的數據類 import java.util.Date;/*** 需要處理的數據信息*/ public class RequestData {priva…
閱讀更多...
MFC 基礎

MFC 基礎

windows桌面應用分為兩種類型&#xff1a; 基于文檔視圖類型 和 基于對話框類型。 通常具有復雜交互控件的程序即為基于對話框類型&#xff0c;相對而言比較復雜&#xff0c;而基于文檔視圖類的應用交互形式比較單一&#xff0c;相對簡單。下面給出基于mfc框架的最基本的桌面程…
閱讀更多...
npm無法加載文件 因為此系統禁止運行腳本

npm無法加載文件 因為此系統禁止運行腳本

安裝nodejs后遇到問題&#xff1a; 在項目里【node -v】可以打印出來&#xff0c;【npm -v】打印不出來&#xff0c;顯示npm無法加載文件 因為此系統禁止運行腳本。 但是在winr&#xff0c;cmd里【node -v】,【npm -v】都也可打印出來。 解決方法&#xff1a; cmd里可以打印出…
閱讀更多...
JVM春招快速學習指南

JVM春招快速學習指南

1.說在前面 在Java相關崗位的春/秋招面試過程中&#xff0c;JVM的學習是必不可少的。本文主要是通過《深入理解Java虛擬機》第三版來介紹JVM的學習路線和方法&#xff0c;并對沒有過JVM基礎的給出閱讀和學習建議&#xff0c;盡可能更加快速高效的進行JVM的學習與秋招面試的備戰…
閱讀更多...
DeepSeek API 調用 - Spring Boot 實現

DeepSeek API 調用 - Spring Boot 實現

DeepSeek API 調用 - Spring Boot 實現 1. 項目依賴 在 pom.xml 中添加以下依賴&#xff1a; <dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-webflux</artifactId></depe…
閱讀更多...
認識Electron 開啟新的探索世界一

認識Electron 開啟新的探索世界一

一、Electron輕松入門 1.搭建開發環境&#xff1a; 一般情況下開發者會使用node.js來創建electron項目&#xff0c;node.js是一個基于Chrome V8引擎的javascript運行環境&#xff0c;所以首先需要到官網去下載安裝node.js 下載鏈接&#xff1a;https://nodejs.org/enhttps://no…
閱讀更多...
MySQL下載過程

MySQL下載過程

MySQL Enterprise Edition Downloads | Oracle mysql官方下載網址&#xff08;9.2版本&#xff09; 下面的示例是5.7的包&#xff0c;過程是一樣的 port&#xff1a;3308&#xff08;默認的是3306&#xff0c;筆者下了一個占用了該端口&#xff09; root&#xff1a;123456 問題…
閱讀更多...
【學術投稿】第五屆計算機網絡安全與軟件工程（CNSSE 2025）

【學術投稿】第五屆計算機網絡安全與軟件工程（CNSSE 2025）

重要信息 官網&#xff1a;www.cnsse.org 時間&#xff1a;2025年2月21-23日 地點&#xff1a;中國-青島 簡介 第五屆計算機網絡安全與軟件工程&#xff08;CNSSE 2025&#xff09;將于2025年2月21-23日在中國-青島舉行。CNSSE 2025專注于計算機網絡安全、軟件工程、信號處…
閱讀更多...
Qt：QWidget核心屬性

Qt：QWidget核心屬性

目錄 QWidget核心屬性 enab geometry WindowFrame的影響 windowTitle windowIcon qrc文件管理資源 windowOpacity cursor font toolTip focusPolicy styleSheet QWidget核心屬性 在Qt中使用QWidget類表示"控件"&#xff0c;如按鈕、視圖、輸入框、滾動…
閱讀更多...
Linux TCP 編程詳解與實例

Linux TCP 編程詳解與實例

一、引言 在網絡編程的領域中&#xff0c;TCP&#xff08;Transmission Control Protocol&#xff09;協議因其可靠的數據傳輸特性而被廣泛應用。在 Linux 環境下&#xff0c;使用 C 或 C 進行 TCP 編程可以實現各種強大的網絡應用。本文將深入探討 Linux TCP 編程的各個方面&…
閱讀更多...
原生redis實現分布式鎖

原生redis實現分布式鎖

用 原生 Redis&#xff08;Jedis、Lettuce&#xff09; 實現分布式鎖&#xff0c;可以參考 Redisson 的原理&#xff0c;但需要自己處理鎖的自動續期、故障恢復等細節。核心思路是使用 Redis 的 SET NX EX 或 SET PX NX 命令來實現互斥鎖&#xff0c;并利用 Lua 腳本 保障原子性…
閱讀更多...
論文筆記：Rethinking Graph Neural Networks for Anomaly Detection

論文筆記：Rethinking Graph Neural Networks for Anomaly Detection

目錄 摘要 “右移”現象 beta分布及其小波 實驗 《Rethinking Graph Neural Networks for Anomaly Detection》&#xff0c;這是一篇關于圖&#xff08;graph&#xff09;上異常節點診斷的論文。 論文出處&#xff1a;ICML 2022 論文地址&#xff1a;Rethinking Graph Ne…
閱讀更多...
神經網絡常見激活函數 6-RReLU函數

神經網絡常見激活函數 6-RReLU函數

文章目錄 RReLU函數導函數函數和導函數圖像優缺點pytorch中的RReLU函數tensorflow 中的RReLU函數 RReLU 隨機修正線性單元&#xff1a;Randomized Leaky ReLU 函數導函數 RReLU函數 R R e L U { x x ≥ 0 a x x < 0 \rm RReLU \left\{ \begin{array}{} x \quad x \ge 0…
閱讀更多...
Vue（6）

Vue（6）

一.路由板塊封裝 &#xff08;1&#xff09;路由的封裝抽離 目標&#xff1a;將路由板塊抽離出來 好處&#xff1a;拆分板塊&#xff0c;利于維護 // 路由的使用步驟 5 2 // 5個基礎步驟 // 1. 下載 v3.6.5 // 2. 引入 // 3. 安裝注冊 Vue.use(Vue插件) // 4. 創建路由對象…
閱讀更多...
【python】matplotlib（animation）

【python】matplotlib（animation）

文章目錄 1、matplotlib.animation1.1、FuncAnimation1.2、修改 matplotlib 背景 2、matplotlib imageio2.1、折線圖2.2、條形圖2.3、散點圖 3、參考 1、matplotlib.animation 1.1、FuncAnimation matplotlib.animation.FuncAnimation 是 Matplotlib 庫中用于創建動畫的一個…
閱讀更多...
【東莞常平】戴爾R710服務器不開機維修分享

【東莞常平】戴爾R710服務器不開機維修分享

1&#xff1a;2025-02-06一位老客戶的朋友剛開工公司ERP服務器一臺戴爾老服務器故障無法開機&#xff0c;于是經老客戶介紹找到我們。 2&#xff1a;服務器型號是DELL PowerEdge R710 這個服務器至少也有15年以上的使用年限了。 3&#xff1a;客戶反饋的故障問題為&#xff1a;…
閱讀更多...
Spring AI -使用Spring快速開發ChatGPT應用

Spring AI -使用Spring快速開發ChatGPT應用

前言 Spring在Java生態中一直占據大半江山。最近我發現Spring社區推出了一個Spring AI項目&#xff0c;目前該項目還屬于Spring實驗性項目&#xff0c;但是我們可以通過該項目&#xff0c;可以非常快速的開發出GPT對話應用。 本篇文章將會對SpringAI進行簡單的介紹和使用&#…
閱讀更多...
最新文章

Copyright @ 2022~2023