linux系统docker部署ollama,ollama本地部署Modelfile文件构建,ollama运行Hugging Face模型,ollama自有模型是通过量化的，ollama默认Q4_K_M量化，ollama模型创建，对显存要求不高，如果显存未拉满，可以考虑去Hugging Face上下载未量化或者更高精度的量化模型，然后构建成ollama模型运行。进入ollama官网，进入对应模型详情

在TrueNas Scale中为Immich应用配置GPU硬件加速的实践记录：文章分享了从验证GPU检测（lspci | grep NVIDIA）到配置Docker启用NVIDIA运行时（midclt call -j docker.update）的全过程。重点解决了GPU名称显示为null或启动报错的问题，通过获取GPU UUID并更新应用配置（使用midclt call app.update命令

ollama不支持GPU张量并行，于是打算把ollama替换到vllm平台进行推理。但研究了发现由于vllm是预分配显存，--gpu_memory_utilization参数设置比例，待机会占用不少显存，没跑推理时显卡待机功耗就比较高，实测T10显卡每张卡大概50几W功耗，而ollama的OLLAMA_KEEP_ALIVE默认是5分钟空闲会释放模型显存，还能自定义时间，到一定时间未调用推理，会主动

linux系统docker部署ollama,ollama本地部署Modelfile文件构建,ollama运行Hugging Face模型,ollama自有模型是通过量化的，ollama默认Q4_K_M量化，ollama模型创建，对显存要求不高，如果显存未拉满，可以考虑去Hugging Face上下载未量化或者更高精度的量化模型，然后构建成ollama模型运行。进入ollama官网，进入对应模型详情

浏览器报错信息如下：Failed to decode downloaded font: <URL>OTS parsing error: incorrect file size in WOFF headerOTS parsing error: incorrect entrySelector for table directory展示界面如下：原因是maven的filt...

linux系统docker部署ollama,ollama本地部署Modelfile文件构建,ollama运行Hugging Face模型,ollama自有模型是通过量化的，ollama默认Q4_K_M量化，ollama模型创建，对显存要求不高，如果显存未拉满，可以考虑去Hugging Face上下载未量化或者更高精度的量化模型，然后构建成ollama模型运行。进入ollama官网，进入对应模型详情

安装oracle时./runInstaller报错：Could not execute auto check for display colors using command /usr/bin/xdpyinfo. Check if the DISPLAY variable is set.具体错误信息如下:[oracle@glxybd database]$ ./runInstallerSta...

layui实现数据表格table分页功能，异步加载，表格渲染，含条件查询。一：引入layUI的相关资源<link rel="stylesheet" href="${ctxPath}/vendor/layui/css/layui.css"><script src="${ctxPath}/vender/layui/layui.js" charset="utf-8">&...

在TrueNas Scale中为Immich应用配置GPU硬件加速的实践记录：文章分享了从验证GPU检测（lspci | grep NVIDIA）到配置Docker启用NVIDIA运行时（midclt call -j docker.update）的全过程。重点解决了GPU名称显示为null或启动报错的问题，通过获取GPU UUID并更新应用配置（使用midclt call app.update命令

逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。CSV文件由任意数目的记录组成，记录间以某种换行符分隔；每条记录由字段组成，字段间的分隔符是其它字符或字符串。如果不想看源码分析，想直接看代码请跳到最后！！！分..