当前位置：首页 > news >正文

【LLM】本地部署LLM大语言模型+可视化交互聊天，附常见本地部署硬件要求（以Ollama+OpenWebUI部署DeepSeekR1为例）

news 来源：原创 2025/9/15 10:29:06

文章目录

- 1、本地部署LLM（以Ollama为例）
- 2、本地LLM交互界面（以OpenWebUI为例）
- 3、本地部署硬件要求对应表

1、本地部署LLM（以Ollama为例）

本地部署LLM的框架

129k-Ollama 1
是一个提供简单命令行接口的工具，可以轻松下载和运行本地 AI 模型。
139k-Transformers 2
Hugging Face 的 Transformers 库支持多种预训练语言模型，并提供简单的 API 以在本地运行这些模型，适合进行微调和推理。
75k-llama.cpp, 3
CPU友好，一个高效的 C++ 实现，支持在各种设备上运行 LLaMA 模型，适合追求性能的用户。
39k-vllm, link
GPU优化，vLLM 是一个高效的、用于推理的框架，特别针对大型语言模型的并行推理进行优化。它利用了内存和计算资源的高效管理，提供了显著的性能提升。
69k-stable-diffusion,link
虽然主要用于图像生成，它也在开源领域取得了极大的关注，且可以灵活地与文本模型结合使用。

ollama是什么

Ollama 是一个用于构建和运行本地 AI 模型的开源工具。
它可以帮助开发者和研究人员更方便地利用 AI 模型进行各种应用，如自然语言处理、图像识别等。

下载ollama

要安装Ollama，可以官方网站的下载页面：Ollama下载页面
支持的模型列表
参考安装 1

使用ollama

ollama     
Usage:ollama [flags]ollama [command]Available Commands:serve       Start ollamacreate      Create a model from a Modelfileshow        Show information for a modelrun         Run a modelstop        Stop a running modelpull        Pull a model from a registrypush        Push a model to a registrylist        List modelsps          List running modelscp          Copy a modelrm          Remove a modelhelp        Help about any commandFlags:-h, --help      help for ollama-v, --version   Show version informationUse "ollama [command] --help" for more information about a command.

例子，安装deepseek r1

# ollma --version
ollama version is 0.5.12# ollama pull deepseek-r1:1.5b
pulling manifest 
pulling aabd4debf0c8... 100% ▕██████████████████████████████████▏ 1.1 GB                         
pulling 369ca498f347... 100% ▕██████████████████████████████████▏  387 B                         
pulling 6e4c38e1172f... 100% ▕██████████████████████████████████▏ 1.1 KB                         
pulling f4d24e9138dd... 100% ▕██████████████████████████████████▏  148 B                         
pulling a85fe2a2e58e... 100% ▕██████████████████████████████████▏  487 B                         
verifying sha256 digest 
writing manifest 
success # ollama run deepseek-r1:1.5b
# ollama run llama3.2:1b# ollama list
NAME                ID              SIZE      MODIFIED      
llama3.2:1b         baf6a787fdff    1.3 GB    3 minutes ago    
deepseek-r1:1.5b    a42b25d8c10a    1.1 GB    2 hours ago# systemctl stop ollama

2、本地LLM交互界面（以OpenWebUI为例）

本地LLM交互界面项目

78k-OpenWebUI, link
OpenWebUI是一个开源Web用户界面，旨在让用户能够方便地与本地大语言模型（如GPT、LLaMA等）进行交互。用户可以通过简单的Web界面进行对话，支持多种模型。
82k-Nextchat(ChatGPT Next Web) , link
兼容本地LLM，轻量快速的 AI 助手。支持：Web | iOS | MacOS | Android | Linux | Windows。一键免费部署私人 ChatGPT 网页应用，支持 Claude, GPT4 & Gemini Pro 模型。
32k-ChatBox , link
Chatbox AI 是一款 AI 客户端应用和智能助手，支持众多先进的 AI 模型和 API，可在 Windows、MacOS、Android、iOS、Linux 和网页版上使用。
客户端安装参考 1，2：选择使用自己的api-key或本地模型，目前支持
72k-GPT4All, link
GPT4All 在日常台式机和笔记本电脑上私下运行大型语言模型 (LLM)。无需 API 调用或 GPU - 您只需下载应用程序并开始使用即可。
42k-text-generation-webui, link
适用于大型语言模型的 Gradio Web UI，支持多个推理后端。其目标是成为文本生成的stable-diffusion-webui 。
39k-AnythingLLM, link
全栈应用程序，可以将任何文档、资源（如网址链接、音频、视频）或内容片段转换为上下文，以便任何大语言模型（LLM）在聊天期间作为参考使用。
此应用程序允许您选择使用哪个LLM或向量数据库，同时支持多用户管理并设置不同权限。
150k-stable-diffusion-webui, link
支持一键安装的stable Diffusion网页用户界面。
jetbrain-idea/goland集成插件, link
设置-插件里安装后，配置Ollama API 默认调用端口号：11434

OpenWebUI是什么？

一个可扩展、功能丰富且用户友好的自托管WebUI，它支持完全离线操作，并兼容Ollama和OpenAI的API。
这为用户提供了一个可视化的界面，使得与大型语言模型的交互更加直观和便捷。

安装openwebUI

# 基于docker的安装
# 电脑上有Ollama
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
# Ollama在其他服务器上，OLLAMA_BASE_URL替换为地址
docker run -d -p 3000:8080 -e OLLAMA_BASE_URL=https://example.com -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main# 安装完成后，您可以通过http://localhost:3000 访问OpenWebUI
# 这个时候会发现【Select a model】可以选择我们刚刚下载好的模型
# 并且他还可以一次性加入多个模型，一起对话对比使用

3、本地部署硬件要求对应表

大模型名称中的数字含义

例如 1.5b、7b、8b、14b、32b、70b和671b等
这些数字代表模型的参数量（Parameters），单位为「B」（Billion，十亿）。例如：
1.5B：15 亿参数
7B：70 亿参数
671B：6710 亿参数（接近万亿规模）
参数量的意义：
模型能力：参数量越大，模型就有更强的理解和生成能力，但是需要更多计算资源。
硬件需求：参数越多，对内存（RAM）和显存（VRAM）的需求就越高。
运行速度：参数量大的模型，推理速度更慢，尤其是资源不足的时候。1

本地部署的硬件配置「最低」要求（按模型规模分类）

1.3B、1.5B 模型
适用场景：简单文本生成、问答、轻量级任务
CPU：4 核以上（需支持 AVX2 指令集）
内存（RAM）：8GB 以上
GPU（可选）：显存 ≥ 4GB（如 NVIDIA GTX 1650）
存储：需 3~5GB 硬盘空间（模型文件 + 依赖库）
说明：可在纯 CPU 环境下运行，但速度较慢（约 1~2 秒/词）。
6.7b、7B、8B 模型
适用场景：复杂文本生成、代码生成、多轮对话
CPU：8 核以上（推荐 Intel i7 或 AMD Ryzen 7）
内存（RAM）：32GB 以上（纯 CPU 运行时需更高内存）
GPU（推荐）：显存 ≥ 16GB（如 RTX 4090 或 Tesla T4）
存储：需 15~20GB 硬盘空间
优化建议：
使用 4-bit 量化可将显存需求降至 8GB。
使用 vLLM 或 HuggingFace TGI 框架提升推理速度。
32B、70B 模型
适用场景：企业级应用、高精度需求
CPU：无法纯 CPU 运行
内存（RAM）：≥ 128GB（用于加载中间数据）
GPU：显存 ≥ 80GB（如 A100 80GB x2 或 H100）
存储：需 70~150GB 硬盘空间
关键点：
必须使用多卡并行（如 NVIDIA NVLink 互联）。
推荐 FP16 或 8-bit 量化以降低显存占用。

硬件选择对比表

模型规模	CPU 需求	内存需求	显卡型号	适用场景
1.5B	纯 CPU	4GB	RTX 3050	个人学习
7B	7GB	16GB	RTX 4090	个人学习
14B	24GB	A5000 x2	264GB	小型项目
32B	48GB	A100 40GB	x2	专业应用
40GB	80GB	x4	RTX 7000	企业级服务
64GB+H100	H100	640GB+H100	集群不可行

一些QA

能否用 Mac 电脑运行这些DeepSeek模型？
可以，但仅限于小模型（如 7B以下）。需使用 llama.cpp 的 Metal 后端，M1/M2 芯片需 16GB 以上统一内存。
官方仓库（如 HuggingFace Hub）、开源社区（如 modelscope）。
如果使用Ollama在本地部署，那么直接在Ollama中下载。
为什么实际显存占用比参数量大很多？
除了模型权重，还需存储中间计算结果（KV Cache），尤其在长文本生成时占用显著增加。
没有显存、显存的笔记本电脑，能在本地部署和运行DeepSeek吗？
可以。但是内存要求更高，文本生成速度慢。1，

更多部署教程
1 从零到一：本地部署Llama3大模型的简明指南,
2 本地部署 DeepSeek-R1-671B 满血版大模型教程
3 预算50-100万：4 * H100 80GB + NVLink，8 * A100 80GB + NVLink

【LLM】本地部署LLM大语言模型+可视化交互聊天，附常见本地部署硬件要求（以Ollama+OpenWebUI部署DeepSeekR1为例）

【LLM】本地部署LLM大语言模型可视化交互聊天，附常见本地部署硬件要求（以OllamaOpenWebUI部署DeepSeekR1为例） 文章目录 1、本地部署LLM（以Ollama为例）2、本地LLM交互界面（以OpenWebUI为例）3、本…...

编程日记 2025/9/15 10:29:06

JVM相关面试题

1. 类加载与双亲委派机制聊一下你对类加载器的理解。类加载器是JVM用来加载类文件到内存的组件。它负责将字节码文件解析为java.lang.Class实例，并存储到运行时数据区的方法区中。类加载器分为Bootstrap ClassLoader、Extension ClassLoader和Application ClassLo…...

编程日记 2025/9/14 16:50:14

WordPress Course Booking System SQL注入漏洞复现 (CVE-2025-22785)（附脚本）

免责申明：本文所描述的漏洞及其复现步骤仅供网络安全研究与教育目的使用。任何人不得将本文提供的信息用于非法目的或未经授权的系统测试。作者不对任何由于使用本文信息而导致的直接或间接损害承担责任。如涉及侵权，请及时与我们联系，我们将尽快处理并删除相关内容。 0x0…...

编程日记 2025/9/15 10:26:38

二：前端发送POST请求,后端获取数据

接着一：可以通过端口访问公网IP之后二需要实现：点击飞书多维表格中的按钮，向服务器发送HTTP请求，并执行脚本程序向服务器发送HTTP请求： 发送请求需要明确一下几个点请求方法： 由于是向服务器端发送值…...

编程日记 2025/9/15 6:01:49

Go语言中的信号量：原理与实践指南

Go语言中的信号量：原理与实践指南引言在并发编程中，控制对共享资源的访问是一个经典问题。Go语言提供了丰富的并发原语（如sync.Mutex），但当我们需要灵活限制并发数量时，信号量（Semaphore&am…...

编程日记 2025/9/14 19:10:56

cpp中的继承

一、继承概念在cpp中，封装、继承、多态是面向对象的三大特性。这里的继承就是允许已经存在的类（也就是基类）的基础上创建新类（派生类或者子类），从而实现代码的复用。如上图所示，Person是基类&…...

编程日记 2025/9/15 10:19:10

3DGS（三维高斯散射）与SLAM技术结合的应用

3DGS（三维高斯散射）与SLAM（即时定位与地图构建）技术的结合，为动态环境感知、高效场景建模与实时渲染提供了新的可能性。以下从技术融合原理、应用场景、优势挑战及典型案例展开分析： 一、核心融合原理 1. …...

编程日记 2025/9/15 10:24:22

DeepSeek赋能大模型内容安全，网易易盾AIGC内容风控解决方案三大升级

在近两年由AI引发的生产力革命的背后，一场关乎数字世界秩序的攻防战正在上演：AI生成的深度伪造视频导致企业品牌声誉损失日均超千万，批量生成的侵权内容使版权纠纷量与日俱增，黑灰产利用AI技术持续发起欺诈攻击。与此同时&#…...

编程日记 2025/9/15 10:25:17

mybatis 细节（${ ..}和#{..},resultType 和 resultMap的区别，别名的使用，Mapper 代理模式）

${..}和#{..} 占位符 #{..} #{}实现的是向prepareStatement中的预处理语句中设置参数值，sql语句中#{}表示一个占位符即?。  <select id"findUserById" parameterType"int" resultType"user"&g…...

编程日记 2025/9/14 18:13:36

电子科技大学考研复习经验分享

电子科技大学考研复习经验分享本人情况：本科就读于电科软院，24年2月开始了解考研，24年3月开始数学，9月决定考本院（开始全天候图书馆学习）并开始专业课学习，11月底开始政治学习，最后…...

编程日记 2025/9/15 9:08:02

一、使用pdfminer提取 import os import re from pdfminer.high_level import extract_text import docx2txt import jiebadef read_pdf(file_path):"""读取 PDF 文件内容:param file_path: PDF 文件路径:return: 文件内容文本"""try:text ext…...

编程日记 2025/9/9 21:41:07

Selenium 与 Coze 集成

涵盖两者的基本概念、集成步骤、代码示例以及相关注意事项。基本概念 Selenium：是一个用于自动化浏览器操作的工具集，支持多种浏览器（如 Chrome、Firefox 等），能够模拟用户在浏览器中的各种操作，如点击、输入文本、选择下拉框等，常用于 Web 应用的自动化测试。Coze：它…...

编程日记 2025/9/12 12:27:12

SQL注入（order by，limit），seacms的报错注入以及系统库的绕过

1：如果information_schema被过滤了，该怎么绕过 1.1：介绍一下information_schema这个库 information_schema 是一个非常重要的系统数据库，它在SQL标准中定义，并且被许多关系型数据库管理系统（RDBMS&#x…...

编程日记 2025/9/11 3:21:52

数据保护API（DPAPI）深度剖析与安全实践

Windows DPAPI 安全机制解析在当今数据泄露与网络攻击日益频繁的背景下，Windows 提供的 DPAPI（Data Protection API）成为开发者保护本地敏感数据的重要工具。本文将从双层密钥体系、加密流程、跨上下文加密、已知攻击向量与防御措施、企业…...

编程日记 2025/9/10 10:20:23

Sqlserver安全篇之_隐藏实例功能和禁用SQL Server Browser服务

总结： 1、隐藏实例功能和禁用SQL Server Browser服务的功能一样，对应非默认实例(且这个默认实例是1433端口)的情况下，都是需要在连接字符串中提供端口号才能连接到实例 2、隐藏实例功能后，就算开启了SQL Server Browser服务&#…...

编程日记 2025/9/15 10:10:03

muduo网络库2

Muduo网络库：底层实质上为Linux的epoll pthread线程池，且依赖boost库。 muduo的网络设计核心为一个线程一个事件循环，有一个main Reactor负载accept连接，然后把连接分发到某个sub Reactor(采用轮询的方式来选择sub Reactor)&…...

编程日记 2025/9/11 3:40:35

【ISP】畸变校正 LDC

ISP（Image Signal Processor，图像信号处理器）中的 LDC（Lens Distortion Correction，镜头畸变校正）是一种用于校正镜头畸变的图像处理技术。镜头畸变是由于镜头的光学特性导致的图像失真现象，主要…...

编程日记 2025/9/11 19:51:11

deepseek 学习资料整理

deepseek 学习资料整理 deepseek_清华大学指导手册_pdf_1-5 无套路，无需关注，无需登录，无需app，直接下载： 下载地址文件列表： 001_清华大学_DeepSeek从入门到精通.pdf 002_清华大学_DeepSeek如何赋能职…...

编程日记 2025/9/14 15:13:50

【deepseek】本地部署+webui访问

背景最近deepseek很火，但是官网的老是被限流使用，还有就是自己也想着玩一玩，于是准备在自己电脑跑一个直接附上结果地址mydeepseek 准备工作 windows和linux都可我这里选择linux，ubuntu系统安装ollama 看下图&#xff0…...

编程日记 2025/9/10 11:44:43

LeetCodeHot100_0x02

LeetCodeHot100_0x02 11. 滑动窗口最大值（不熟） 求解思路： 暴力法的时间复杂度是O(NK)，在K常数较大时复杂度就高了。所以我们要想办法将K优化掉，即本题的难点在于如何在O(1)的时间复杂度求出当前窗口中的最大值。这个…...

编程日记 2025/9/11 18:05:57

STM32MP157A-FSMP1A单片机移植Linux系统SPI总线驱动

SPI总线驱动整体上与I2C总线驱动类型，差别主要在设备树和数据传输上，由于SPI是由4根线实现主从机的通信，在设备树上配置时需要对SPI进行设置。原理图可知，数码管使用的SPI4对应了单片机上的PE11-->SPI4-NSS,PE12-->SPI4-S…...

编程日记 2025/9/14 20:48:47

H7 based Phalanx G1 ETH Data Switch Hub UART Interface 介绍

外接接口配置 H7 based Phalanx G1 ETH Data Switch hub UART interface 1.对外接接口进行详细介绍以下是针对 H7 based Phalanx G1 设备的外接接口配置的详细解析，重点说明其 ETH Data Switch Hub 和 UART Interface 的技术特性与应用场景： 一、核…...

编程日记 2025/9/14 16:03:13

Vue04

自定义指令 directives是Vue的一个配置项这里写自定义指令自定义指令被调用的时机指令与元素成功绑定时指令所在的模板被重新解析时函数式 <span v-big"n"></span> directives:{ big(element,binding){ element.innerText bingin…...

编程日记 2025/9/11 3:00:41

OpenCV（9）：视频处理

1 介绍视频是由一系列连续的图像帧组成的，每一帧都是一幅静态图像。视频处理的核心就是对这些图像帧进行处理。常见的视频处理任务包括视频读取、视频播放、视频保存、视频帧处理等。视频分析: 通过视频处理技术，可以分析视频中的运动、目标、事件等。…...

编程日记 2025/9/14 10:35:54

短剧源码部署搭建小程序搭建IAA+IAP混合解锁模式

在当今数字化内容消费迅速增长的时代，短剧作为一种新兴的内容形式，凭借其短小精悍、节奏紧凑的特点，迅速吸引了大量用户。作为一名软件体验测试人员，我有幸体验了一款集创新与实用为一体的短剧小程序。这款小程序不仅在前端用户体…...

编程日记 2025/9/14 20:46:33

基于 CFD 预测的机器学习第 2 部分：在 Benchmark 应用程序上使用 Stochos 预测流场

了解机器学习和 Stochos 如何彻底改变制造业的 CFD 预测。挑战预测复杂流体动力学场景中的流场一直是工程师和科学家面临的重大挑战。传统的计算流体动力学 （CFD） 方法需要大量的计算资源和时间，因此难以处理实时预测和大规模模拟。此外…...

编程日记 2025/9/8 16:36:31

NLP的预处理数据

处理文本数据的主要工具是Tokenizer。Tokenizer根据一组规则将文本拆分为tokens。然后将这些tokens转换为数字，然后转换为张量，成为模型的输入。模型所需的任何附加输入都由Tokenizer添加。如果您计划使用预训练模型，重要的是使用与之关联的…...

编程日记 2025/9/9 22:35:06

数据结构——单链表

前言 1. 什么是链表链表是一种物理存储结构上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。与顺序表不同，链表的存储数据在内存是随机分布的。 2. 链表的分类链表的种类多种多样，其中最常见的有八种…...

编程日记 2025/9/15 6:03:37

SurfaceFlinger代码笔记

drawLayers是做client合成，合成完以后的buffer会放在RenderSurface里 FrameBufferSurface里的buffer是通过setClientTarget给到HWC的（HWC应该给client合成的buffer留了一个slot) Output.cpp这个文件非常关键，代表着具体一个Display的操作 d…...

编程日记 2025/9/13 20:18:00

Linux-Ansible模块进阶

文章目录 Copy和FetchFile模块 🏡作者主页：点击！ 🤖Linux专栏：点击！ ⏰️创作时间：2025年02月22日18点49分 Copy和Fetch copy和fetch模块实践 copy模块需要注意的点：在收集日志之前…...

编程日记 2025/9/10 10:37:25

【机器学习】强化学习（2）——捋清深度强化学习的思路

在之前学习的过程中我了解到深度学习中很重要的一个概念是反向传播，最近看论文发现深度强化学习（DRL）有各种各样的方法，但是却很难区分他们的损失函数的计算以及反向传播的过程有何不同。在有监督的学习中，损失可以理解…...

编程日记 2025/9/14 6:12:25

touchgfx的工作机制

touchgfx的工作机制一.MVP软件架构 MVP的全称为Model-View-Presenter Model: 就是数据部分,在整个touchgfx应用中,只有一个Model类实例对象,它为所有的Screen屏幕界面服务,可以理解成是一个全局变量区,同时它还负责和后端系统通信 View: 就是UI界面部分,对应于View类,在整…...

编程日记 2025/9/12 10:54:17

Fisher信息矩阵（Fisher Information Matrix, FIM）与自然梯度下降：机器学习中的优化利器

Fisher信息矩阵与自然梯度下降：机器学习中的优化利器在机器学习尤其是深度学习中，优化模型参数是一个核心任务。我们通常依赖梯度下降（Gradient Descent）来调整参数，但普通的梯度下降有时会显得“笨拙”，…...

编程日记 2025/9/11 19:02:38

2025数学建模竞赛汇总，错过再等一年

01、2025第十届数维杯大学生数学建模挑战赛（小国赛） 竞赛介绍：数学建模行业内仅次于国赛和美赛的的第三赛事，被多所高校认定为国家级二类竞赛。赛题类型是国内唯一和高教社杯国赛题型风格完全一致的全国性数学建模竞赛&#xff0…...

编程日记 2025/9/14 7:17:05

设计模式教程：观察者模式（Observer Pattern）

一、模式概述观察者模式（Observer Pattern）是一种行为型设计模式，它定义了一种一对多的依赖关系。一个对象（称为主题）状态发生变化时，所有依赖于它的对象（称为观察者）都会自动得到…...

编程日记 2025/9/14 7:17:03

代码随想录算法训练营第九天| 151.翻转字符串里的单词、右旋转字符串、28. 实现 strStr()、459.重复的子字符串、字符串总结

151.翻转字符串里的单词题目链接：151.翻转字符串里的单词文档讲解：代码随想录翻转字符串里的单词视频讲解：LeetCode：翻转字符串里的单词状态：参考自己写出来的思路： 反转：思路很清晰&#…...

编程日记 2025/9/14 7:17:02

bpmn.js + Node.js_构建高效的后端工作流处理系统

1. 引言 1.1 研究背景与意义随着企业业务的复杂化，传统的流程管理工具已难以满足需求。BPMN（Business Process Model and Notation）作为一种标准化的流程建模语言，结合 bpmn.js 和 Node.js 可以实现高效的工作流管理系统，提升企业的运营效率。 1.3 BPMN 和 bpmn.js 简…...

编程日记 2025/9/14 7:16:58

DeepSeek系统架构的逐层分类拆解分析，从底层基础设施到用户端分发全链路

一、底层基础设施层 1. 硬件服务器集群算力单元： GPU集群：基于NVIDIA H800/H100 GPU构建，单集群规模超10,000卡，采用NVLink全互联架构实现低延迟通信。国产化支持：适配海光DCU、寒武纪MLU等国产芯片，通过…...

编程日记 2025/9/14 7:16:56

嵌入式硬件基础知识

1.电阻(主要是贴片电阻) 01 基础课程-电阻 1.电阻封装 2.相关参数 1.功率额定值： 电阻能够长期承受的最大功率，功率过大可能导致电阻过热或损坏。封装尺寸越大，散热能力越强，功率额定值通常越高。 2.容差： 电阻…...

编程日记 2025/9/14 7:16:54

springboot+dubbo+zookeeper的注册服务和调用实践

目录 zookeeper为什么可作为注册中心zookeeper注册中心优缺点启动zookeeper编写springboot项目提供dubbo服务1. 服务接口2. Springboot引入dubbo实现服务接口2.1 工程目录和依赖2.2 启动程序和application.properties2.3 DubboService 实现服务接口2.4 测试api，用于…...

编程日记 2025/9/14 7:16:53

ARM Cortex-M处理器中的MSP和PSP

在ARM Cortex-M系列处理器中，MSP（主堆栈指针）和PSP（进程堆栈指针）是两种不同的堆栈指针，主要用于实现堆栈隔离和提升系统可靠性。以下是它们的核心区别和应用场景： 1. 基本定义 MSP（…...

编程日记 2025/9/14 7:16:51

计算机网络：应用层 —— 电子邮件

文章目录电子邮件的起源与发展电子邮件的组成电子邮件协议邮件发送和接收过程邮件发送协议SMTP协议多用途因特网邮件扩展MIME 电子邮件的信息格式邮件读取协议邮局协议POP因特网邮件访问协议IMAP 基于万维网的电子邮件电子邮件（E-mail）是因特网上最早…...

编程日记 2025/9/14 7:16:49

Vue3 + Spring WebMVC 验证码案例中的跨域问题与解决方法

最近在基于vue3 SpringWebMVC前后端分离的开发环境中实现一个验证码的案例，在开发过程中遇到了一些复杂的跨域问题，现已解决，故将解决方法分享，希望能帮到有需要的人。出现的问题： 对于验证码的实现，我选…...

编程日记 2025/9/15 7:41:12

【Python爬虫(60)】解锁社交媒体数据宝藏：Python爬虫实战攻略

【Python爬虫】专栏简介：本专栏是 Python 爬虫领域的集大成之作，共 100 章节。从 Python 基础语法、爬虫入门知识讲起，深入探讨反爬虫、多线程、分布式等进阶技术。以大量实例为支撑，覆盖网页、图片、音频等各类数据爬取&#xff…...

编程日记 2025/9/14 7:16:46

Comfy UI 快捷键

Comfy UI 页面的快捷键操作（记录下，以防忘记）： 捷径命令Ctrl Enter将当前图表排队等待生成Ctrl Shift Enter将当前图表排成第一个生成图表Ctrl Z/Ctrl Y撤消/重做Ctrl S保存工作流程Ctrl O加载工作流Ctrl A选择所有节点A…...

编程日记 2025/9/14 5:43:18

【C++】Arrays

《C程序设计基础教程》——刘厚泉，李政伟，二零一三年九月版，学习笔记文章目录 1、一维数组的定义与初始化1.1、一维数组的定义1.2、一维数组的初始化 2、一维数组的使用3、一维数组与函数4、二维数组4.1、二维数组的定义4.2、二维数组的初始…...

编程日记 2025/9/13 11:19:32

EX_25/2/24

写一个三角形类，拥有私有成员 a,b,c 三条边写好构造函数初始化 abc 以及 abc 的set get 接口再写一个等腰三角形类，继承自三角形类 1：写好构造函数，初始化三条边 2：要求无论如何，等腰三角形类对象&#x…...

编程日记 2025/9/15 9:49:55

批量导出数据库表到Excel

这篇文章将介绍如何批量的将多个甚至成千上万的数据库表导出为Excel文件。准备数据如下图是数据库里的表，我们需要将它们全部导出为excel文件，这里以SQL Server数据库为例新增导出打开的卢导表工具，新建数据库连接，这里以S…...

编程日记 2025/9/14 5:43:12

代码随想录D52-53 图论 Python

目录 101. 孤岛的总面积 102. 沉没孤岛 103. 水流问题 104. 建造最大岛屿 101. 孤岛的总面积要点： 整体来说是一个图着色的问题。这道题目的思路符合直觉，但代码实现会和直觉有差别。如果仅使用visit记录不使用着色，会遇到非常多的…...

编程日记 2025/9/13 16:24:06

机器学习（部分算法、模型）

一、KNN 算法原理 K-近邻算法（K-Nearest Neighbors，简称KNN）,根据K个邻居样本的类别来判断当前样本的类别; 如果一个样本在特征空间中的k个最相似(最邻近)样本中的大多数属于某个类别，则该类本也属于这个类别比如: 有10000个样…...

编程日记 2025/9/14 5:43:09

文章目录

1、本地部署LLM（以Ollama为例）

2、本地LLM交互界面（以OpenWebUI为例）

3、本地部署硬件要求对应表

相关文章：