我们前面已经在RTX4070的笔记本电脑上，按照《PyTorch深度学习指南》一书的操作，配置好了Jupyter Notebook（PyTorch深度学习指南之：如何用深度学习工具获得一台4070游戏本）。在此书的开端，关于环境部分，提示我们有三种方法来运行Jupyter Notebook，我们上次介绍的就是本地安装的方式，除此之外，还有谷歌Colab和Binder两种。但是，在后面的介绍中，作者

正文共：1555 字 17 图，预估阅读时间：2 分钟ChatGLM3是智谱AI和清华大学KEG实验室联合发布的对话预训练模型。该项目在GitHub的工程链接为：https://github.com/THUDM/ChatGLM3在人工智能领域中，类似“3B”、“6B”、“12B”的表述通常指的是大语言模型所具有的参数数量，参数数量是衡量现代深度学习模型规模和复杂性的一个关键指标，这里的“B”代表“

之前最火的人工智能是国外的ChatGPT（同一个问题，Gemini、ChatGPT、Copilot、通义千问和文心一言会怎么答？），但是在过年这段时间，没有谁能火的过国内的DeepSeek。最近也收到不少私信，问我用过DeepSeek没有，确实用了，从2024年12月份开始用的。当时用起来就被这个深度思考功能给打动了，但是呢，他当时有一个上下文理解的问题，一个是经常上下文不连贯，再就是动不动回答就

AI伙伴下线了，我就去搜了一下相关情况，发现还是高手在民间，有一位订阅了AI Pro的开发者在Reddit发帖称，“1月以前，每周能使用超过3亿input token/1-2百万output token的Gemini Pro模型，但后来一周仅用了不到900万input token/20万output token就达到了每周限额。Gemini 3.5 Flash的模型额度大概只用了24分钟就耗尽了，

后台可谓是一半海水、一半火焰。部署结束后的时间戳为19:58:42，整体耗时少于3分38秒，因为我的网络比较慢，并且主机配置为2核CPU、4 GB运行内存，如果配置更高，理论上能进一步压缩部署时间。部署开始前的时间戳为19:55:04，部署时，必填项为硅基流动的API秘钥和飞书的APP ID、App Secret，其他选项均已配置为免费最优，直接回车即可。1、针对主机网络进行优化，能智能识别境内网

在添加设备配置页面，设备类型选择【VLAN（802.1q）】，注意区分【VLAN（802.1ad）】类型，802.1q是基础VLAN，而802.1ad是QinQ，用于多层标签场景；最后点击【保存】完成添加。重复添加设备配置这一步，不同的是，我们本次基础设备选择接线的【eth2】，VLAN ID配置为11，设备名自动配置为eth2.11，同样将【启用IPv6】配置成【已禁用】。然后我们到iStore

这台手机系统版本为Android 9，搭载骁龙835处理器（2017年旗舰，8核CPU，4个2.45GHz的大核加4个1.9GHz的小核设计），搭配绰绰有余的6 GB LPDDR4x运行内存和64 GB UFS 2.1存储，放到现在，硬件配置也不比低端盒子性能差，完全能胜任轻量级服务器角色。通过本次实践，我们成功验证了旧手机改造Linux服务器的可行性。不过，传统的方案都需要公网服务器，即使是轻量

IKE版本选择IKEv2，因为飞塔防火墙位于NAT设备后面，没有固定IP地址，对端IP地址配置为%any，指定对端ID为fortigate，并按照飞塔设备的算法配置，调整认证算法、加密算法和PFS算法。高级配置部分，加密算法还是仅支持【DES】，身份验证算法选择【SHA1】，DH Group选择一个大一点的20，自动协商配置为【启用】，单击【OK】完成阶段2选择器配置。网络配置部分，IP版本选择【

VCSA的Linux版本，指的就是将VMware vCenter Server的镜像解压，再上传到ESXi主机，在Windows、macOS和Linux系统下都可以操作。vCenter Server部署目标，指的就是该虚拟机所要部署到的ESXi主机或vCenter Server实例，我就设置一下ESXi主机的登录参数信息，设置好之后单击。今天，我们换一个Ubuntu系统，尝试快速部署一套全新的vC

同时，我们还能看到各组件的版本信息，例如OpenVAS扫描器的版本是23.20.1，Notus扫描器的版本是22.6.5，ospd-OpenVAS的版本是22.9.0，gvmd（GVM Manager）的版本是26.0.0，组件版本比Docker版本要新一些。图中的NVT数据包含在漏洞扫描期间创建结果的文件，OpenVAS扫描器处理.nasl文件，Notus 扫描器处理.notus文件。gvm-s