登录网站之后，你可以根据你的自身情况来挑选合适的显卡，注意这里是按照小时进行计费的，大家要根据自己的经济水平来进行选择，另外，这个网站应该是可以进行学生认证的，认证之后应该有对应的优惠，如果小伙伴感兴趣的话可以认证一哈。大家好，这里是，之前有小伙伴反馈说自己的电脑只有cpu，没有GPU，也想要体验一下使用gpu训练模型，或者有的小伙伴反馈说自己所在的实验室提供了linux的服务器，但是不怎么会用，

kubeadm是自动引导整个集群的工具，本质上k8s就是一些容器服务相互配合完成管理集群的任务，如果你知道具体安装哪些容器那么可以不用这个。kubalet是各个节点的总管，它上面都管，管理Pod、资源、日志、节点健康状态等等，它不是一个容器，是一个本地软件，所以必须得安装kubectl是命令行工具，给我们敲命令与k8s交互用的，必须得安装大白话就是：在此之前我们都是直接访问service，让ser

下面执行compose命令构建容器就行行了。我这里是将80改成了8081。

从结果来看，要比预期好很多，最开始的目标是在写单元测试的效率提升 30%，从结果来看是要大于这个预期的。从结果来看就是 Cursor + 提示词，生成单元测试，如果想直接看结果可以直接跳到【四、使用Cursor】，如果想要看看对比，可以一步步往下看。对于各种IDEA插件生成的单元测试来说，几乎就只有手动调试一种方式，主要原因它们对整个代码库理解不是很好，很难对给出的异常做太多的优化。（但效果并不是

AI生成测试用例智能体平台是一款基于人工智能技术的测试用例自动生成工具，利用RAG（检索增强生成）技术，能够结合项目相关知识文档和历史用例，智能生成高质量的测试用例。本平台适用于测试团队快速创建测试用例，提高测试效率和质量。

在本地运行开源模型的最有效方法是使用llama.cpp项目，llama.cpp是由机器学习专家Georgi Gerganov开发的开源大模型推理框架，最初是为了在本地运行Meta的Llama大模型，经过开源社区的努力，现在能够支持包括Google的Gemma、国内的通义千问、百川等在内的大模型，该项目在github上当前已有60K star。同样得益于技术社区的努力，一些基础的大模型（如llama

盘古NLP大模型由华为云、循环智能和鹏城实验室联合开发，具备领先的语言理解和模型生成能力：在权威的中文语言理解评测基准CLUE榜单中，盘古NLP大模型在总排行榜及分类、阅读理解单项均排名第一，刷新三项榜单世界历史纪录；CV大模型，解决AI工程难以泛化和复制的问题。盘古CV大模型的出现，使AI开发进入工业化模式，即一套流水线能够复制到不同的场景中去，大大节约研发的人力和算力。【问题1】针对不同场景，

通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。对于没有安装过Ollama的朋友，可以直接进入Ollama的官网： https://ollama.com/ 进行安装和下载。如果要下载对应的模型，可以oll

通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。对于没有安装过Ollama的朋友，可以直接进入Ollama的官网： https://ollama.com/ 进行安装和下载。如果要下载对应的模型，可以oll

本篇文章介绍了本地大模型的部署和 LobeChat 界面的部署，成功在本地部署属于自己的ChatGPT。上面也只是关键步骤的说明，遇到问题多看下官方的安装文档。本文起到抛砖引玉作用。