当前位置: 首页 > news >正文

Windows 系统下使用 Ollama 离线部署 DeepSeek - R1 模型指南

引言

随着人工智能技术的飞速发展,各类大语言模型层出不穷。DeepSeek - R1 凭借其出色的语言理解和生成能力,受到了广泛关注。而 Ollama 作为一款便捷的模型管理和部署工具,能够帮助我们轻松地在本地环境中部署和使用模型。本文将详细介绍如何在 Windows 系统下使用 Ollama 离线部署 DeepSeek - R1 模型,并展示在 Windows CMD 窗口与 Google 浏览器插件 Page Assist 的交互案例。

在这里插入图片描述

一、离线部署的优势

离线部署模型(如 DeepSeek - R1)具有多方面的好处,下面从数据安全、成本控制、响应速度、网络依赖、个性化定制和合规性等多个维度进行分析:

1.1 数据安全与隐私保护

在这里插入图片描述

防止数据泄露
  • 金融机构:银行在处理客户的敏感财务信息时,如账户余额、交易记录等,如果采用在线模型服务,这些数据需要上传到外部服务器进行分析,存在被黑客攻击导致数据泄露的风险。而通过离线部署模型,银行可以将客户数据和模型都保留在自己的安全服务器中,确保数据不会离开内部网络,有效防止数据在传输和存储过程中被窃取。
  • 医疗行业:医院在进行患者病历分析、疾病诊断等工作时,患者的个人健康信息属于高度敏感数据。离线部署模型可以避免患者数据上传到外部,保护患者的隐私。例如,某医院使用离线部署的医疗影像诊断模型,医生在本地设备上直接对患者的X光、CT等影像进行分析,无需将影像数据上传到云端,从而降低了数据泄露的可能性。
符合隐私法规
  • 欧盟企业:欧盟的《通用数据保护条例》(GDPR)对企业处理用户数据的方式有严格规定。一家位于欧盟的电商企业,为了遵守 GDPR 法规,选择离线部署客户数据分析模型。这样,企业可以完全掌控客户数据的存储和处理过程,确保数据的使用符合法规要求,避免因数据隐私问题面临巨额罚款。

1.2 成本效益

降低使用成本
  • 小型企业:一家小型电商公司每天需要对大量的商品评论进行情感分析,以了解客户的满意度。如果使用在线的情感分析模型服务,按照每次分析的调用量付费,随着业务的增长,费用会不断增加。而该公司选择离线部署开源的情感分析模型,一次性投入硬件和软件成本后,后续使用无需支付额外的调用费用,大大降低了长期的使用成本。
  • 科研机构:某科研机构需要对大规模的实验数据进行分析,使用在线数据分析模型的费用高昂。通过离线部署适合的分析模型,科研机构可以利用自己的服务器资源进行数据处理,避免了高额的在线服务费用,将节省下来的资金用于更有价值的科研项目。
减少网络带宽成本
  • 工厂车间:一家大型制造企业的工厂车间内,安装了大量的传感器用于实时监测设备的运行状态。如果将这些传感器产生的海量数据上传到云端进行分析,会消耗大量的网络带宽,产生高额的网络费用。通过离线部署数据分析模型,在本地服务器上对数据进行实时处理和分析,不仅减少了网络带宽的使用,还降低了网络费用。

1.3 性能与响应速度

实时响应
  • 高频交易:在金融市场的高频交易场景中,交易员需要根据实时的市场数据快速做出交易决策。离线部署的交易模型可以在本地服务器上实时处理市场数据,无需将数据上传到云端等待分析结果,能够在瞬间给出交易建议,确保交易员能够抓住最佳的交易时机。
  • 自动驾驶汽车:自动驾驶汽车需要实时处理各种传感器收集到的数据,如摄像头图像、雷达数据等,以做出及时的驾驶决策。离线部署的自动驾驶模型可以在汽车的本地计算单元上快速分析数据,实现实时响应,确保行车安全。
稳定的性能
  • 游戏开发:一家游戏开发公司在进行游戏测试时,需要使用人工智能模型对游戏中的角色行为、场景交互等进行实时评估。如果使用在线模型服务,网络延迟可能会导致评估结果不准确,影响游戏的开发进度。通过离线部署模型,开发团队可以在本地稳定地运行模型,不受网络因素的干扰,确保游戏测试的顺利进行。

1.4 网络依赖与可用性

无网络环境使用
  • 野外勘探:地质勘探队在偏远的山区进行地质数据采集和分析时,往往处于无网络覆盖的环境。通过离线部署地质数据分析模型,勘探队员可以在本地设备上对采集到的岩石样本、地质结构数据等进行实时分析,无需等待回到有网络的地区再进行处理,大大提高了工作效率。
  • 航空飞行:飞机在飞行过程中,需要实时监测各种飞行参数,如发动机状态、飞行姿态等。离线部署的飞行监测模型可以在飞机的机载计算机上独立运行,不受空中网络信号的影响,确保飞行安全。
避免服务中断风险
  • 电商促销活动:在电商的大型促销活动期间,如“双11”、“黑色星期五”等,在线服务可能会因为流量过大而出现服务中断的情况。一家电商企业通过离线部署商品推荐模型,在本地服务器上为用户提供商品推荐服务,即使遇到网络故障或外部服务提供商出现问题,也能保证推荐服务的正常运行,避免因服务中断而导致的客户流失和销售损失。

1.5 个性化定制与优化

定制模型参数
  • 广告营销:一家广告公司根据不同客户的需求,为其定制个性化的广告投放模型。通过离线部署模型,广告公司可以根据客户的目标受众、广告预算、营销目标等因素,调整模型的参数,如广告投放的时间、渠道、内容等,以实现最佳的广告效果。
  • 教育领域:一所学校为了提高学生的学习效果,离线部署了个性化学习辅导模型。学校可以根据学生的学习进度、学习能力、兴趣爱好等因素,对模型的参数进行定制,为每个学生提供个性化的学习建议和辅导内容。
持续优化模型
  • 在线教育平台:某在线教育平台通过收集用户的学习数据,如学习时间、答题正确率等,对离线部署的课程推荐模型进行持续优化。平台可以根据用户的反馈和新的数据不断调整模型的算法和参数,提高课程推荐的准确性和个性化程度,为用户提供更好的学习体验。

1.6 合规性与自主性

满足特定合规要求
  • 政府机构:政府部门在处理涉及国家安全、公民隐私等敏感信息时,需要严格遵守相关的法规和政策。某政府机构离线部署了信息处理模型,确保数据的存储和处理过程符合国家安全法规和保密要求,保障国家信息安全。
增强企业自主性
  • 科技企业:一家科技公司自主研发了一款人工智能模型,并离线部署在自己的服务器上。公司可以根据市场需求和技术发展,自主决定模型的升级和更新,无需依赖外部服务提供商,增强了企业在市场竞争中的自主性和竞争力。

二、准备工作

2.1 硬件要求

为了确保模型能够顺利运行,建议你的计算机具备以下硬件条件:

  • CPU:多核处理器,如 Intel Core i7 及以上系列,以提供足够的计算能力。
  • 内存:至少 16GB 内存,模型加载和运行过程中会占用大量内存资源。
  • 存储:预留至少 20GB 的磁盘空间,用于存储模型文件。

2.2 软件要求

  • 操作系统:Windows 10 或 Windows 11。
  • Python:建议安装 Python 3.8 及以上版本,并配置好环境变量。
  • Ollama:从 Ollama 官方网站 下载适用于 Windows 的安装包(需要科学上网)。

三、安装 Ollama

  1. 运行从官方网站下载的 Ollama 安装包,按照安装向导的提示完成安装。安装过程中可以选择默认的安装路径,也可以根据自己的需求进行自定义设置。
  2. 安装完成后,打开 Windows 命令提示符(CMD),输入以下命令验证 Ollama 是否安装成功:
ollama --version

在这里插入图片描述

如果能够正确显示 Ollama 的版本信息,则说明安装成功。

四、离线部署 DeepSeek - R1 模型

4.1 模型文件导入

进入ollma官网,deepseek已经被被置顶了,很好找:
在这里插入图片描述
then,选择对应的模型版本 + 复制Ollama指令,在cmd窗口运行,就会进行模型拉取操作(如果本地之前没有)
在这里插入图片描述
以deepseek-r1:7b为例,运行

ollama run deepseek-r1:7b

后 CMD 窗口如下:
在这里插入图片描述

4.2 Ollama 本地测试

超级方便,指令不变,再次运行(假设第一步已经走完了pull过程)

ollama run deepseek-r1:1.5b

show case
在这里插入图片描述

4.3 启动 Ollama 服务

在导入模型后,需要启动 Ollama 服务,让它监听指定的端口。在 CMD 窗口中输入以下命令:

ollama serve

CMD如下
在这里插入图片描述

默认情况下,Ollama 会监听 127.0.0.1:11434 端口。如果该端口被占用,可以通过设置环境变量来指定其他端口,例如:

set OLLAMA_LISTEN=:11436
ollama serve

当然,很有可能你走到这里,运行时会发现如下错误
在这里插入图片描述
这一定是因为你已经有在run的ollama进程,打开任务管理器一看,必然是这样的,kill掉后重新运行即可~
在这里插入图片描述

4.4 浏览器插件 Page Assist 运行

在成功使用 Ollama 在 Windows 上离线部署 DeepSeek - R1 模型后,我们可以借助 Google 浏览器插件 Page Assist 实现更便捷的交互体验。以下是详细的操作步骤和交互示例。

安装 Page Assist 插件

打开 Google 浏览器,访问 Chrome 网上应用店。在搜索框中输入 “Page Assist”,找到对应的插件并点击“添加至 Chrome”按钮,按照提示完成插件的安装。

配置 Page Assist 以连接本地模型

1. 进入设置页面
安装完成后,在浏览器右上角找到 Page Assist 插件图标并点击,选择“设置”选项,进入插件的设置页面。
在这里插入图片描述

2. 设置 API 地址
在设置页面中,找到与 API 地址相关的选项。由于我们是在本地部署的 DeepSeek - R1 模型,且 Ollama 服务默认监听 127.0.0.1:11434 端口,所以将 API 地址设置为 http://localhost:11434/api/generate。若在启动 Ollama 服务时指定了其他端口,需相应修改该地址。
在这里插入图片描述

3. 选择模型
在设置中找到模型选择的位置,将其设置为 deepseek - r1,确保 Page Assist 调用的是我们部署好的 DeepSeek - R1 模型。
在这里插入图片描述

4. 交互示例

在这里插入图片描述

五、总结

通过上述步骤,我们成功在 Windows 系统上使用 Ollama 完成了 DeepSeek - R1 的离线部署,并分别在 Windows CMD 窗口和借助 Google 浏览器插件 Page Assist 与模型进行了交互。离线部署使得我们在无网络环境下也能使用强大的语言模型,同时能更好地保护数据隐私。希望本文能帮助你顺利搭建并使用本地的 DeepSeek - R1 模型。

相关文章:

Windows 系统下使用 Ollama 离线部署 DeepSeek - R1 模型指南

引言 随着人工智能技术的飞速发展,各类大语言模型层出不穷。DeepSeek - R1 凭借其出色的语言理解和生成能力,受到了广泛关注。而 Ollama 作为一款便捷的模型管理和部署工具,能够帮助我们轻松地在本地环境中部署和使用模型。本文将详细介绍如…...

1.2 变革里程碑:Transformer 的崛起

变革里程碑:Transformer 的崛起 一、架构革命的核心驱动力 #mermaid-svg-hsXnwHI0wO2qZaqb {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#000000;}#mermaid-svg-hsXnwHI0wO2qZaqb .error-icon{fill:#552222;}#mermaid-sv…...

SpringBoot速成(八)登录实战:未登录不能访问 P5-P8

1.登录 package com.itheima.springbootconfigfile.controller;import com.itheima.springbootconfigfile.pojo.Result; import com.itheima.springbootconfigfile.pojo.User; import com.itheima.springbootconfigfile.service.UserService;import com.itheima.springbootco…...

[Unity角色控制专题] 详细说明如何使用Character Controller配合脚本实现类似MC的第一人称控制(仅移动与视角摇晃)

关于角色控制器的基本用法我就不做介绍了,请自行查看相关文档: Unity - Manual: Character Controller component reference 本文用到了三角函数和插值函数,非常简单,如有疑问请查询以下文章: Unity中的数学 之 Mathf_uni…...

2025_2_9 C语言中队列

1.队列(先进先出) 队列也是一种受限制的线性结构 它只能在一端添加元素,在另一端访问,删除元素 (队首插入,队尾删除) 因为链表实现没有数组实现快,所以队列大多数是用数组实现的 q…...

(原创,可用)SSH实现内外网安全穿透(安全不怕防火墙)

目前有A、B终端和一台服务器,A、B机器不能直接访问,服务器不能直接访问A、B终端但是A、B终端可以访问服务器,这个场景很像我们有一台电脑在单位内网,外机器想访问内网系统,可能大家目前想到的就是frp之类穿透工具&…...

mysql安装starting the server报错

win10家庭版无法启动服务的,先不要退出,返回上一栏,然后通过电脑搜索栏输入服务两个字,在里面找到mysql80,右键属性-登录,登录身份切换为本地系统就行了...

设计高效的测试用例:从需求到验证

在现代软件开发过程中,测试用例的设计一直是质量保证(QA)环节的核心。有效的测试用例不仅能够帮助发现潜在缺陷,提升软件质量,还能降低后期修复成本,提高开发效率。尽管如此,如何从需求出发&…...

【阅读笔记】信息熵自动曝光An Automatic Exposure Algorithm Based on Information Entropy

一、算法背景 信息熵作为衡量图像信息量的重要指标,能够反映图像的细节丰富程度。通过基于信息熵的自动曝光算法,可以自动调整曝光时间,使图像包含更多信息,从而提高图像质量。 灰度直方图在各个灰度值上分布越均匀,…...

Dockerfile 文件详解

在平常的开发工作中,我们经常需要部署项目,一个项目开发完成后,使用 Docker 方式部署,那么首先得构造镜像,构造镜像最主要的就是 Dockerfile 文件的编写,今天简单来总结下 Dockerfile 文件的编写以及有哪些…...

模型压缩 --学习记录2

模型压缩 --学习记录2 如何找到更好的权衡方式(模型量化)方法一:寻找更好的 range方法二:寻找更好的 X-fp32(浮点数)方法三:寻找更好的 scale 和 zp方法四:寻找更好的 roundPTQ 后训练量化(离线量化)QAT 量化感知训练(在线量化)量化为什么会带来加速?三、模型稀疏技…...

JVM常见命令

引言 掌握JVM是属于Java程序员的必修课,对线程的掌控,对内存的把控,所以了解JVM常见命令可以帮助我们快速了解虚拟机的详细数据 命令 1. java 这是最基础的命令,用于启动一个 Java 应用程序。 java -cp /path/to/your/class…...

ASP.NET Core托管服务

目录 托管服务的异常问题 托管服务中使用DI 托管服务案例:数据的定时导出 场景,代码运行在后台。比如服务器启动的时候在后台预先加载数据到缓存,每天凌晨3点把数据导出到备份数据库,每隔5秒钟在两张表之间同步一次数据。托管服…...

模型压缩中的四大核心技术 —— 量化、剪枝、知识蒸馏和二值化

一、量化 (Quantization) 量化的目标在于将原始以 32 位浮点数表示的模型参数和中间激活,转换为低精度(如 FP16、INT8、甚至更低位宽)的数值表示,从而在减少模型存储占用和内存带宽的同时,加速推理运算,特别适用于移动、嵌入式和边缘计算场景。 1.1 概念与目标 基本思想…...

C++:类和对象初识

C:类和对象初识 前言类的引入与定义引入定义类的两种定义方法1. 声明和定义全部放在类体中2. 声明和定义分离式 类的成员变量命名规则 类的访问限定符及封装访问限定符封装 类的作用域与实例化类的作用域类实例化实例化方式: 类对象模型类对象的大小存储…...

01-SDRAM控制器的设计——案例总概述

本教程重点▷▷▷ 存储器简介。 介绍 SDRAM 的工作原理。 详细讲解SDRAM 控制的Verilog 实现方法。 PLL IP和FIFO IP 的调用,计数器设计,按键边沿捕获,数码管控制。 完成SDRAM控制器应用的完整案例。 Signal Tap 调试方法。 准备工作▷…...

笔记:蓝桥杯python搜索(3-2)——DFS剪支和记忆化搜索

目录 一、DFS剪支 二、例题 P2942 数字王国之军训军队 P3075 特殊的多边形 三、记忆化搜索 四、例题 例题 P3820 混境之地 P216 地宫取宝 一、DFS剪支 在搜索过程中,如果需要完全遍历所有情况可能需要很多时间在搜索到某种状态时,根据当前状态判断…...

处理数据及其选择关键列进行一次聚类

1. 数据加载与初步处理 # 文件路径 file_path ../data/all_database_result.csv# 读取CSV文件到DataFrame df pd.read_csv(file_path)# 选择特定的特征列 selected_features [Q10, Q12, Q13, Q14]# 缺失值处理:这里简单地删除含有任何缺失值的行 df.dropna(subse…...

Qt 支持的动画格式对比,Lottie/APNG/GIF/WEBP

Qt版本:6.7.2 , QML 一,Lottie 在qml中使用LottieAnimation即可,但有三个问题: 1.动画加载中报错: 如果图片(.json)本身存在不支持的effect 或shape type等,效果并不好&#xff1a…...

FaceFusion如何设置公开链接和端口

有时候我们想在局域网内的其他设备上使用 FaceFusion,这时候需要设置公开链接和端口。 当你运行 FaceFusion 的时候,会发现有这样的一段提示: To create a public link, set shareTrue in launch().但是这个提示是错的,如果你查…...

【安当产品应用案例100集】037-强化OpenVPN安全防线的卓越之选——安当ASP身份认证系统

在当前数字化时代,网络安全已成为企业发展的重要组成部分。对于使用OpenVPN的企业而言,确保远程访问的安全性尤为重要。安当ASP身份认证系统凭借其强大的功能和便捷的集成方式,为OpenVPN的二次登录认证提供了理想的解决方案,特别是…...

RK3568实战项目(六)--开发工具介绍

目录 一、引言 二、开发工具 ------>2.1、trust_merger ------>2.2、boot_merger ------>2.3、loaderimage ------>2.4、resource_tool ------>2.5、mkimage ------>2.6、mkbootimg ------>2.7、unpack_bootimg ------>2.8、repack-bootimg …...

01.02、判定是否互为字符重排

01.02、[简单] 判定是否互为字符重排 1、题目描述 给定两个由小写字母组成的字符串 s1 和 s2,请编写一个程序,确定其中一个字符串的字符重新排列后,能否变成另一个字符串。 在这道题中,我们的任务是判断两个字符串 s1 和 s2 是…...

尝试一下,交互式的三维计算python库,py3d

py3d是一个我开发的三维计算python库,目前不定期在PYPI上发版,可以通过pip直接安装 pip install py3d 开发这个库主要可视化是想把自己在工作中常用的三维方法汇总积累下来,不必每次重新造轮子。其实现成的python库也有很多,例如…...

DeepSeek-R1模型的数学原理(说人话)

文章目录 1、什么是GRPO2、数学原理3、比喻4、流程总结 🍃作者介绍:双非本科大四网络工程专业在读,阿里云专家博主,前三年专注于Java领域学习,擅长web应用开发,目前已转行人工智能领域。 🦅个人…...

安宝特方案 | AR助力制造业安全巡检智能化革命!

引言: 在制造业中,传统巡检常面临流程繁琐、质量波动、数据难以追溯等问题。安宝特AR工作流程标准化解决方案,通过增强现实AR技术,重塑制造业安全巡检模式,以标准化作业流程为核心,全面提升效率、质量与…...

DeepSeek和ChatGPT的对比

最近DeepSeek大放异彩,两者之间有什么差异呢?根据了解到的信息,简单做了一个对比。 DeepSeek 和 ChatGPT 是两种不同的自然语言处理(NLP)模型架构,尽管它们都基于 Transformer 架构,但在设计目标…...

AJAX项目——数据管理平台

黑马程序员视频地址: 黑马程序员——数据管理平台 前言 功能: 1.登录和权限判断 2.查看文章内容列表(筛选,分页) 3.编辑文章(数据回显) 4.删除文章 5.发布文章(图片上传&#xff0…...

神经网络常见激活函数 5-PReLU函数

文章目录 PReLU函数导函数函数和导函数图像优缺点pytorch中的PReLU函数tensorflow 中的PReLU函数 PReLU 参数化修正线性单元:Parametric ReLU 函数导函数 PReLU函数 P R e L U { x x > 0 α x x < 0 ( α 是可训练参数 ) \rm PReLU \left\{ \begin{array}{} x \qua…...

艾蒿染色体水平基因组-文献精读111

A chromosome-scale genome assembly of Artemisia argyi reveals unbiased subgenome evolution and key contributions of gene duplication to volatile terpenoid diversity 一项关于艾蒿&#xff08;Artemisia argyi&#xff09;的染色体尺度基因组组装揭示了无偏的亚基因…...

EB生成配置的过程

EB Tresos Studio,简称EB,通过图形化的模式进行配置生成,并根据选项配置生成配置代码,即 MCAL 层各个模块的配置参数。 在 MCAL 代码中,分为静态代码和配置代码。静态代码,就是 AUTOSAR 规范内容,包含对硬件的封装以及标准化接口的封装;配置代码一般用于配置初始化结构…...

使用Docker + Ollama在Ubuntu中部署deepseek

1、安装docker 这里建议用docker来部署&#xff0c;方便简单 安装教程需要自己找详细的&#xff0c;会用到跳过 如果你没有安装 Docker&#xff0c;可以按照以下步骤安装&#xff1a; sudo apt update sudo apt install apt-transport-https ca-certificates curl software-p…...

NFT Insider #168:The Sandbox 推出新春{金蛇礼服}套装;胖企鹅合作 LINE Minini

引言&#xff1a;NFT Insider 由 NFT 收藏组织 WHALE Members、BeepCrypto 联合出品&#xff0c; 浓缩每周 NFT 新闻&#xff0c;为大家带来关于 NFT 最全面、最新鲜、最有价值的讯息。每期周报将从 NFT 市场数据&#xff0c;艺术新闻类&#xff0c;游戏新闻类&#xff0c;虚拟…...

字符串高频算法:无重复字符的最长子串

题目 3. 无重复字符的最长子串 - 力扣&#xff08;LeetCode&#xff09; 解题思路 思路 方法: 滑动窗口 [!简单思路] [^1]以示例一中的字符串 abcabcbb 为例&#xff0c;找出从每一个字符开始的&#xff0c;不包含重复字符的最长子串&#xff0c;其中最长的那个字符串即为答…...

集成学习(一):从理论到实战(附代码)

一、引言 在机器学习领域&#xff0c;打造一个独立、强大的算法是解决问题的关键。然而&#xff0c;集成学习提供了一种不同的视角&#xff1a;通过组合多个“弱”学习器来创建一个更强大的模型。本文探讨集成学习的思想、方法及其应用。 二、机器学习 vs 集成学习思想 传统…...

本地部署DeepSeek-R1模型(新手保姆教程)

背景 最近deepseek太火了&#xff0c;无数的媒体都在报道&#xff0c;很多人争相着想本地部署试验一下。本文就简单教学一下&#xff0c;怎么本地部署。 首先大家要知道&#xff0c;使用deepseek有三种方式&#xff1a; 1.网页端或者是手机app直接使用 2.使用代码调用API …...

轻松理解CSS中的float浮动元素

1.float:left&#xff0c;float:right可以让元素脱离原始文档流&#xff0c;也就是所谓的“浮动”&#xff0c;可以理解为元素漂浮在原本所占位置的上空&#xff0c;意思是元素漂浮起来了&#xff0c;不占原始文档流的空间。但是&#xff0c;别的元素可以感知到浮动元素的存在&…...

SOME/IP--协议英文原文讲解5

前言 SOME/IP协议越来越多的用于汽车电子行业中&#xff0c;关于协议详细完全的中文资料却没有&#xff0c;所以我将结合工作经验并对照英文原版协议做一系列的文章。基本分三大块&#xff1a; 1. SOME/IP协议讲解 2. SOME/IP-SD协议讲解 3. python/C举例调试讲解 这一章节…...

如何优化频繁跳槽后的简历?

大家好&#xff01;我是 [数擎 AI]&#xff0c;一位热爱探索新技术的前端开发者&#xff0c;在这里分享前端和 Web3D、AI 技术的干货与实战经验。如果你对技术有热情&#xff0c;欢迎关注我的文章&#xff0c;我们一起成长、进步&#xff01; 开发领域&#xff1a;前端开发 | A…...

存储异常导致的Oracle重大生产故障

&#x1f4e2;&#x1f4e2;&#x1f4e2;&#x1f4e3;&#x1f4e3;&#x1f4e3; 作者&#xff1a;IT邦德 中国DBA联盟(ACDU)成员&#xff0c;10余年DBA工作经验 Oracle、PostgreSQL ACE CSDN博客专家及B站知名UP主&#xff0c;全网粉丝10万 擅长主流Oracle、MySQL、PG、高斯…...

从家庭IP到全球网络资源的无缝连接:Cliproxy的专业解决方案

数字化时代&#xff0c;家庭IP作为个人或家庭接入互联网的门户&#xff0c;其重要性日益凸显。然而&#xff0c;要实现从家庭IP到全球网络资源的无缝连接&#xff0c;并享受高效、安全、稳定的网络访问体验&#xff0c;往往需要借助专业的代理服务。Cliproxy&#xff0c;作为业…...

java项目之金华学校社团管理系统源码(ssm+mysql)

项目简介 金华学校社团管理系统实现了以下功能&#xff1a; 金华学校社团管理系统的主要使用者管理员对系统用户、公告信息进行管理。对社团信息进行管理&#xff0c;审核报名&#xff0c;统计社团报名结果等。学生维护个人信息&#xff0c;查看本校的社团信息&#xff0c;对…...

链表(LinkedList) 1

上期内容我们讲述了顺序表&#xff0c;知道了顺序表的底层是一段连续的空间进行存储(数组)&#xff0c;在插入元素或者删除元素需要将顺序表中的元素整体移动&#xff0c;时间复杂度是O(n)&#xff0c;效率比较低。因此&#xff0c;在Java的集合结构中又引入了链表来解决这一问…...

一、OSG学习笔记-编译开发环境

一、准备工作 1、osg3.6.4源码下载&#xff1b; openscenegraph/OpenSceneGraph at OpenSceneGraph-3.6.4 还有osg中所依赖的第三方库 2、cmake 下载安装好 3、Visual Studio 2019下载安装好 二、cmake 编译构建项目 这里下方1&#xff0c;2&#xff0c;两个先点击1&am…...

【Redis】Linux、Windows、Docker 环境下部署 Redis

一、Linux环境部署Redis 1、卸载 # 查看 Redis 是否还在运行 [appuserlocalhost redis]$ ps -ef|grep redis appuser 135694 125912 0 14:24 pts/1 00:00:00 ./bin/redis-server *:6379 appuser 135731 125912 0 14:24 pts/1 00:00:00 grep --colorauto redis# 停止…...

OSPF基础(3):区域划分

OSPF的区域划分 1、区域产生背景 路由器在同一个区域中泛洪LSA。为了确保每台路由器都拥有对网络拓扑的一致认知&#xff0c;LSDB需要在区域内进行同步。OSPF域如果仅有一个区域&#xff0c;随着网络规模越来越大&#xff0c;OSPF路由器的数量越来越多&#xff0c;这将导致诸…...

第436场周赛:按对角线进行矩阵排序、将元素分配给有约束条件的组、统计可以被最后一个数位整除的子字符串数目、最大化游戏分数的最小值

Q1、按对角线进行矩阵排序 1、题目描述 给你一个大小为 n x n 的整数方阵 grid。返回一个经过如下调整的矩阵&#xff1a; 左下角三角形&#xff08;包括中间对角线&#xff09;的对角线按 非递增顺序 排序。右上角三角形 的对角线按 非递减顺序 排序。 2、解题思路 遍历所…...

DeepSeek vs. ChatGPT:不同的诞生时间,对人工智能发展的不同影响

DeepSeek vs. ChatGPT&#xff1a;不同的诞生时间&#xff0c;对人工智能发展的不同影响 ChatGPT 和 DeepSeek 诞生于不同的时间节点&#xff0c;代表了人工智能不同阶段的发展方向。它们在技术、应用以及对AI发展趋势的影响方面各有侧重。 1. 诞生时间与背景 ChatGPT&#x…...

chrome-base 如何实现一个BindOnce

考虑一个问题&#xff1a; worker_thread.task_runner()->PostDelayedTask(FROM_HERE, base::BindOnce(&Ref::Foo, ref, 1), base::Milliseconds(1000)); BindOnce 是如何实现的呢&#xff1f; 翻看源码&#xff1a;base\functional\bind.h 写的 非常简洁 // Bind a…...

代码随想录算法训练营day38

代码随想录算法训练营 —day38 文章目录 代码随想录算法训练营前言一、322. 零钱兑换二维dp数组 二、279.完全平方数二维dp数组 三、139. 单词拆分多重背包背包问题总结问题类型递推公式遍历顺序 前言 今天是算法营的第38天&#xff0c;希望自己能够坚持下来&#xff01; 今日…...