普通人学AI指南Docker 是一个开源的容器化平台,旨在开发、部署和运行应用。它利用容器来 隔离软件,使其在不同环境中都能一致运行。Docker 提供轻量级虚拟化,能快 速部署并且易于管理应用。 Docker 的优势: 1. 快速部署:Docker 容器可以在几秒钟内启动,提高了开发和部署的效率。 2. 一致性:确保应用在开发、测试和生产环境中具有一致的运行环境。 3. 可移植性:容器可以在任何支持 Docker 的系统上运行,实现跨平台的可 移植性。 4. 易于扩展:Docker 可以方便地扩展并支持微服务架构的部署。 基本概念: 1. 容器(Container):轻量级、独立的可执行软件包,包含了运行所需的代 码、运行时、系统工具、系统库和设置。 2. 镜像(Image):用于创建容器的只读模板。一个镜像可以包含完整的操作 系统环境。 3. Dockerfile:定义镜像内容的文本文件,包含了构建镜像的所有指令。 Dockerfile 目录中运行:docker build -t. 常用命令: 1. 列出正在运行的容器:docker ps 2. 列出所有容器:docker ps -a 3. 停止一个容器:docker stop 4. 删除一个容器:docker rm 20 4.2.2 下载 docker docker 下载地址: 0 码力 | 42 页 | 8.39 MB | 8 月前3
DeepSeek图解10页PDFGroup)训练的模型在本质上存在一些重要区别。主要区别之一,大模型更 加通用,这是因为它们基于大量多样化的数据集进行训练,涵盖了不同领域 和任务的数据。这种广泛的学习使得大模型具备了较强的知识迁移能力和 多任务处理能力,从而展现出“无所不知、无所不晓”的特性。相比之下, 我们基于单一数据集训练的模型通常具有较强的针对性,但其知识范围仅 限于该数据集的领域或问题。因此,这类模型的应用范围较为局限,通常只0 码力 | 11 页 | 2.64 MB | 8 月前3
DeepSeek-V2: A Strong, Economical, and Efficient
Mixture-of-Experts Language Model变换得到:10(x+y)=300+8(x+y),于是x+y=150,甲乙两地相距5(x+y)=750千 米。所以答案是:750。 Q: 在一个底面半径为10厘米的圆柱形容器内,倒入10厘米深的水,然后将一 个底面直径4厘米,高6厘米的圆锥形铅锤放入水中,容器中水面上升多少厘 米? A: Table 18 | An example of CMATH. 39 PROMPT 以下是关于解剖学的单项选择题,请直接给出正确答案的选项。0 码力 | 52 页 | 1.23 MB | 1 年前3
清华大学 DeepSeek+DeepResearch 让科研像聊天一样简单仅在 长文本处理、代码生成、数学推理等任务中表现出色,还为大模型的轻量化和实际应用提供了有力支持。 模型蒸馏技术 DeepSeek采用模型蒸馏技术,通过将知识从大型复杂模型 (教师模型)迁移到小型高效模型(学生模型),实现性能和 效率的双重优化。DeepSeek选择了多个开源模型作为蒸馏的 目标模型,包括Qwen 系列和Llama 系列 架构创新 通过将模型划分为多个专家模块,实0 码力 | 85 页 | 8.31 MB | 8 月前3
DeepSeek从入门到精通(20250204)找出输入空间之间的共同特征 选择性投射 从输入空间选择相关元素进行融合 涌现结构构建 在融合空间中创造新的、创新结构 知识转移技术(KTT):跨域智慧应用 �KTT的理论基础: KTT基于认知科学中的迁移学习理论和组织学习理论。 提出了以下关键步骤: �KTT实施步骤: 1. 定义问题:明确目标领域需要解决的问题或创新点 2. 寻找源域:搜索可能包含相关知识或方法的其他领域 3. 知识提取:从源域提取关键的知识、技能或方法0 码力 | 104 页 | 5.37 MB | 8 月前3
清华大学 DeepSeek 从入门到精通找出输入空间之间的共同特征 选择性投射 从输入空间选择相关元素进行融合 涌现结构构建 在融合空间中创造新的、创新结构 知识转移技术(KTT):跨域智慧应用 �KTT的理论基础: KTT基于认知科学中的迁移学习理论和组织学习理论。 提出了以下关键步骤: �KTT实施步骤: 1. 定义问题:明确目标领域需要解决的问题或创新点 2. 寻找源域:搜索可能包含相关知识或方法的其他领域 3. 知识提取:从源域提取关键的知识、技能或方法0 码力 | 103 页 | 5.40 MB | 8 月前3
共 6 条
- 1













