在/etc/docker下创建daemon.json文件,内容如下
1 | { |
然后 sudo systemctl restart docker
测试一下:
docker pull busybox
是可以的
在/etc/docker下创建daemon.json文件,内容如下
1 | { |
然后 sudo systemctl restart docker
测试一下:
docker pull busybox
是可以的
问:如果时间有限,需要放弃一些过时算法,请给所有你知道的算法排个序,哪些优先放弃
在时间有限的情况下,可以按照以下优先级放弃或延后学习某些算法。排序基于实际应用频率、替代算法的有效性以及基础重要性(从最优先放弃到尽量保留):
第一优先级:可放弃的算法
Apriori算法(关联规则挖掘):计算效率低,FP-Growth 或深度学习(如序列模型)更高效。
LVQ(学习向量量化):原型聚类方法,实际应用极少,K-Means 更通用。
ID3决策树:仅支持离散特征,已被 C4.5 和 CART(支持连续特征)取代。
传统贝叶斯网络结构学习:计算复杂且依赖领域知识,实际中更常用概率图模型工具包(如 PyMC3)。
K-Medoids:类似 K-Means,但对噪声敏感且计算成本高,优先学习 K-Means。
第二优先级:视领域需求选择性放弃
3. 特定领域替代性强的算法
LDA(线性判别分析):降维和分类任务中,PCA 更通用,除非需要类别分离指导降维。
传统遗传算法:优化问题中,梯度下降或贝叶斯优化更高效,除非研究进化计算。
HMM(隐马尔可夫模型):语音识别中被 RNN/Transformer 取代,但生物信息学仍可能用到。
传统马尔可夫链:简单序列建模中,RNN/LSTM 更强大。
传统核方法(如自定义核函数):深度学习兴起后,核技巧的重要性下降。
尽量保留的核心算法
5. 基础且广泛应用的算法
逻辑回归:分类任务的基础,可解释性强。
线性 SVM(LinearSVC):高维数据分类高效,工业界常用。
决策树(CART):随机森林和 GBDT 的基础。
KNN:惰性学习代表,适合实时场景。
随机森林 & 梯度提升(XGBoost/LightGBM):结构化数据的主流模型。
K-Means & PCA:无监督学习的基础工具。
神经网络基础(MLP、CNN、RNN):深度学习的核心。
协同过滤:推荐系统的经典方法。
ARIMA:时间序列分析(若涉及该领域需保留)。
总结建议
放弃:单层感知机、Apriori、LVQ、ID3、SOM。
选择性放弃:LDA、传统遗传算法、HMM(除非领域相关)、传统核方法。
保留核心:逻辑回归、SVM、决策树、集成学习(RF/GBDT)、KNN、PCA、神经网络。
实践优先:通过工具库(如 Scikit-learn)快速应用,再深入原理。
注意:即使放弃某些算法,仍需了解其基本思想(如“关联规则挖掘”或“进化计算”),以便需要时快速补足。
上次说完ollama部署,现在我们试试将deepseek接入到系统里,使用方法就是调用http接口
首先 ollama serve
然后增加调用
curl -X POST http://localhost:11434/api/generate -H “Content-Type: application/json” -d “{"model":"deepseek-r1:1.5b","prompt":"天空为什么是蓝色的?"}”
安装boost用:
apt install libboost-all-dev
安装log4cpp
sudo apt install liblog4cpp5-dev
安装docker
sudo apt install docker.io
上传my_mongo.tar,然后
docker load < my_mongo.tar
首先是空间需求,Qwen系列是使用DeepSeek蒸馏后的Qwen模型,Llama是DeepSeek蒸馏后的Llama模型。
ollama run deepseek-r1:1.5b
ollama run deepseek-r1:7b
ollama run deepseek-r1:8b
ollama run deepseek-r1:14b
ollama run deepseek-r1:32b
ollama run deepseek-r1:70b
ollama run deepseek-r1:671b
ollama serve
可以用chatbox连接访问
下载了ollama和本地模型后,导入本地模型的方法:
创建一个modelfile.mf文件,内容为:
FROM ./xxxx.gguf
然后ollama create deepseek-r1_local:7b -f modelfile.mf
就可以通过ollama ls 看到新导入的镜像,然后用
ollama run 镜像名就可以运行了
把git仓库放入随身的AI盒子。
先设置好身份
git config –global user.email “you@example.com“
git config –global user.name “Your Name”
首先,初始化本地仓库,比如
cd dir_project1
git init
git add .
git commit -m “initial commit”
git remote add origin ssh://git@192.168.1.101:/gitroot/project1
远程建立空目录/gitroot/4031ai,然后初始化为空仓库
mkdir -p /gitroot/4031ai
cd /gitroot/4031ai
git init –bare
进入hook目录
vi post-receive
贴入:
#!/bin/bash
WORK_DIR=”/opt/workspace/project1”
GIT_DIR=”/gitroot/project1”
LOG_FILE=”/gitroot/logfile1.log”
{
echo “=== $(date) ===”
echo “Checking out code…”
git –work-tree=$WORK_DIR –git-dir=$GIT_DIR checkout -f
# 进入工作目录并编译
echo "Building project..."
cd $WORK_DIR
mkdir -p build
cd build
cmake ..
make
} &>> $LOG_FILE
添加可执行属性
创建 /opt/workspace/project1目录
上传代码,就可以看到在编译了。
git config –global user.email “qinsibo@sina.com“
git config –global user.name “bobo”
git commit -m “initial commit”
git remote add origin ssh://administrator@192.168.1.101:/gitroot/4031ai
git push origin master
注意权限注意权限注意权限。
调测软件自启动记录
自启动三种添加方式,写入rc.local、放入守护进程和做成服务
在Ubuntu系统中,你可以使用以下命令来管理crontab任务:
查看已有的crontab任务
要查看当前用户的crontab任务,可以使用: crontab -l
如果你想查看其他用户的crontab任务(假设你有适当的权限),可以使用:crontab -u username -l
其中username是指定用户的用户名。
删除crontab任务 crontab -e
要编辑当前用户的crontab任务,从而进行删除或修改,可以使用:crontab -e
这将打开一个编辑器(通常是vi或nano,取决于系统配置),你可以在里面删除或修改任务。
如果你想完全删除所有当前用户的crontab任务,可以使用: crontab -r
同样地,如果要删除其他用户的crontab任务,可以使用:crontab -r -u username
请确保在执行删除操作前备份重要的任务,因为crontab -r会无提示地删除所有任务。
对于查看服务信息,可以:
要查看所有服务的状态,可以使用:systemctl list-units –type=service
这个命令会列出所有已安装的服务及其状态。显示服务执行的脚本位置
要找到特定服务的执行脚本位置,你可以查看服务的单元文件。每个服务都有一个单元文件,其中定义了服务的配置和启动脚本的位置。使用以下命令查看服务的单元文件内容:systemctl status servicename.service
这里的servicename是你想查看的服务名称。这个命令会显示一些基本信息,包括单元文件的路径。
要直接查看单元文件的内容,可以使用:cat /lib/systemd/system/servicename.service
或者cat /etc/systemd/system/servicename.service
通常,服务的执行脚本位置会在单元文件的ExecStart行中指定。
这些方法可以帮助你查看所有服务的状态,并找到任何服务的执行脚本位置。
新到一款超聚变服务器,运行时风扇巨响,查阅发现说是有传感器没有传回温度,导致服务器风扇负荷很高,解决方法是根据负荷情况手动降速(当然最好还是把传感器配齐,不过既然没有就只好手动来了。)
iBMC:/->ipmcset -d fanmode -v 1 100000000
Set fan mode successfully.
Current Mode: manual
Time out : 100000000 seconds
iBMC:/->ipmcset -d fanlevel -v 30
Set fan level successfully.
Current Mode : manual, timeout 99999992 seconds.
Global Manual Fan Level: 30%
iBMC:/->ipmcset -d fanlevel -v 20
Set fan level successfully.
Current Mode : manual, timeout 99999889 seconds.
Global Manual Fan Level: 20%
iBMC:/->Connection to 192.168.2.100 closed.
参考网页
https://support.huawei.com/enterprise/zh/knowledge/EKB1100050462
https://forum.huawei.com/enterprise/zh/thread/652352659782516736
1、SSH登录iBMC
2、查询当前风扇工作模式
iBMC:/->ipmcget -d faninfo
Current mode: auto
auto则为自动
3、更改自动为手动
iBMC:/->ipmcset -d fanmode -v 1 100000000
4、更改风扇转速根据自己业务量修改
iBMC:/->ipmcset -d fanlevel -v 30