本地训练模型可以用CPU和GPU，但是GPU的性能比CPU要好得多，所以如果有独立显卡的，尽量还是用GPU来训练模型。软件一共3.2G，安装软件之前，确定软件有VC++环境，不然会失败。使用GPU需要安装Cuda和Cudnn。我是装了Visual Studio 2019。然后安装ultralytics等基础依赖。编写一个测试代码，看看是否支持CPU。我这里支持的版本是:12.8。GPU版本的tor

大功告成！！！！打开python控制台，输入启动我们的爬虫。

一、编译成静态库之后，再编写dll，为项目提供pdf操作接口项目结构如图：MoonPDF_DLL是C++封装的动态链接库，MoonPDF_DLL_TEST为C#界面测试工程。测试如下：提供很多pdf常规操作功能，如果需要自己添加更多功能，比如提取文本信息，可以自行下载源码修改：源码地址：GitHub - lengkristy/MoonPDF_DLL: pdf的DLL项目...

D:\models\models\deepseek-r1-7b-q4\xxx.gguf 这里的xxx.gguf表示下载的模型文件，接下来打开lm-studio，选择【我的模型】也就是左边像文件夹一样的按钮，然后修改模型目录，以上面的模型目录为例，设置的目录应该是：D:\models 这样才能被lm-studio正确识别模型路径。最后选择离线版AI是因为在线版本虽然价格公道，但是还是有不少限制，尤其

D:\models\models\deepseek-r1-7b-q4\xxx.gguf 这里的xxx.gguf表示下载的模型文件，接下来打开lm-studio，选择【我的模型】也就是左边像文件夹一样的按钮，然后修改模型目录，以上面的模型目录为例，设置的目录应该是：D:\models 这样才能被lm-studio正确识别模型路径。最后选择离线版AI是因为在线版本虽然价格公道，但是还是有不少限制，尤其

然后我们找一个虚拟机进行拉取刚才我们上传的镜像，测试是否能够征程拉取，由于采用的是http，没有证书，所以我们在拉取镜像之前先配置docker，编辑/etc/docker/daemon.json文件，如果没有则创建文件。因为K3安装需要下载外网资源，所以需要每台机器都要具备访问外网能力，这里采用docker版本的v2ray,所以4台虚拟机都要安装docker，使用如下命令进行安装docker。这里