logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

sql2005性能优化(在32位系统上突破2G内存使用量的方法)

服务器磁盘为(SAS)IBM组成RAID0+1,SQL2K5只识别4G内存,实际只占用2G内存。而使用 AWE的话,应用程序可以直接将操作系统允许的最大物理内存量保留为未分页的内存。使用 AWE 使 SQL Server 可以缓存详细信息,而不用从磁盘上的系统页面文件中读取详细信

#sql#性能优化#sqlserver +2
vs连接oracle数据库

1、安装oracle客户端,ORCLE_client,右键,使用管理员权限运行1.1、第一次安装,选择,运行时,完成安装1.2、第二次安装,选择,自定义,并勾选oracle Windows interfaces,完成安装2、配置监听,如D:\oracle\product\10.2.0\client_1\instantclient\NETWORK\ADMIN下的tnsnames.

dify中如何接入阿里云的大模型

-点击 保存 → 点击 显示模型,打开需要的模型开关(如 qwen-max、qwen-plus 等)阿里云。--安装后点击 设置,凭据名称:阿里大模型 → API Key:粘贴阿里云百炼的密钥阿里云。--登录阿里云百炼平台(https://bailian.aliyun.com)阿里云。--验证:创建应用 → 选择通义千问模型 → 发送测试对话,正常返回即成功。--登录 Dify → 右上角头像 →

#人工智能
openclaw卸载与重装

使用 npm 安装最新版 OpenClaw,加上国内镜像比较快。#管理员权限打开powershell,并执行以下命令。#运行修复命令,自动检查和修复配置文件问题。#卸载 pnpm 安装的版本。openclaw卸载与重装。#清理 pnpm 全局存储。#启动 gateway。

#人工智能
openclaw基于windows系统安装

-安装Node.js命令》管理员powershell》winget install --id=OpenJS.NodeJS.LTS --exact --silent --source winget。--管理员powershell》Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass,避免脚本执行报错。--安装git命令》winget i

#人工智能
数据库优化及找出最消耗资源的查询

SQL Server 2008中有很多用来记录查询统计信息的DMV,然而单个的DMV给出的信息并不直观,需要一定的加工来提高可读性。每个DBA都会编写符合自己使用习惯的脚本,下面这个脚本是我用来找出消耗资源(逻辑读)最多的查询,配合where子句中的条件,可以筛选包含指定字符串、指定对象类型的查询,还可以忽略那些消耗资源不够多、执行次数不多、最近没有执行的查询。脚本返回的结果集,包含可读性更高的统

openclaw接入企业微信

-安装企业微信插件》openclaw plugins install @wecom/wecom-openclaw-plugin。--openclaw配置文件路径》C:\Users\Administrator\.openclaw。--保存文件并重启openclaw》openclaw gateway restart。--再次确认企业微信插件是否安装》openclaw plugins list。--查看

#windows#服务器#人工智能
openclaw基于windows系统安装

-安装Node.js命令》管理员powershell》winget install --id=OpenJS.NodeJS.LTS --exact --silent --source winget。--管理员powershell》Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass,避免脚本执行报错。--安装git命令》winget i

#人工智能
window10下docker方式安装dify步骤

-下载Docker Desktop,Download for Windows - AMD64,地址:https://www.docker.com/products/docker-desktop/--启动docker服务,我的电脑-管理-服务和应用程序-服务-docker desktop service-启动-配置自动启动。----配置Docker镜像,打开Docker Desktop-设置-doc

AI的肉体,算力资源

比如渲染屏幕上数百万个像素的颜色,每个像素每秒钟需要运算至少60次,如此大的计算量就是通过大量的gpu核心同时计算完成的,否则我们看到的画面会非常卡顿,或者满是马赛克。不论是模型训练,还是模型推理都需要消耗大量的算力,比如deepseek的训练需要消耗14.8万亿token的算力,按一台安装了i7cpu的性能良好的家用电脑计算,需要1.74亿年的运算才能完成deepseek的训练。很显然,如此长的

#人工智能
    共 22 条
  • 1
  • 2
  • 3
  • 请选择