本文看了和，本人根据它们部署了一遍，中间遇到一些报错，但根据报错提示解决了问题，最后部署成功，这里主要作为笔记用。

Ollama 是一个开源的大型语言模型（LLM）服务工具，旨在简化在本地机器上部署和运行大型语言模型的过程。本地部署：Ollama 允许用户在本地机器上部署和运行大型语言模型，无需依赖外部服务器或云服务。这使得用户可以在私有环境中使用强大的语言模型功能，保护数据隐私和安全性.简化部署过程：通过提供一键安装和配置的脚本，Ollama 大幅简化了在 Docker 容器中部署大型语言模型的过程。用户只需

本文看了知乎的文章，这篇文章写的很详细，可能是我的SDW版本升级了，有的地方和这篇文章的不同，所以内容有部分的改动，但最后还是可以正常训练了，这里作为笔记用。如果要更全面了解Stable Diffusion WebUI 的使用，建议大家看上面那篇知乎的文章，文章写的很全，包括文生图、图生图的细节及模型训练、模型合并的细节，都讲的很详细。

本文看了博客，该博客写的很详细，安装该博客操作时在我的电脑上报错时做了细微的代码变化，这里作为笔记用。

在【附加依赖项】中添加D:\libtorch-win-shared-with-deps-1.8.0+cu111\libtorch\lib文件夹下所有的 *.lib文件。（查看环境变量改变CUDA_PATH_V11_7，v11_7指的安装的。完成上述配置后，在计算机【环境变量–系统变量】中添加。的博客，作为笔记用。首先，创建一个新的项目和一个新的cpp文件。的博客，作为笔记用，本人搭建后可以运行。打

trunc_normal是截断正态分布，用来初始化权重张量（用截断正态分布填充张量，a是下限，b是上限，mean是均值,正态分布的标准差,tensor要初始化的张量）。# 1.截断正态分布，用来初始化权重张量（用截断正态分布填充张量，a是下限，b是上限，mean是均值,正态分布的标准差,tensor要初始化的张量）运行结果如下：显然，该模块建立了一个3X3的tensor张量，且填充的数据符合均值为

1. DeepSeek-V3是一个强大的专家混合 （MoE） 语言模型，总共有 671B 个参数，每个令牌激活了 37B。2. DeepSeek-V3 采用了多头潜在注意力 （MLA） 和 DeepSeekMoE 架构，实现了高效的推理和具有成本效益的训练。3. DeepSeek-V3 开创了一种用于负载均衡的辅助无损策略，目的是最大限度地减少鼓励负载均衡对模型性能的不利影响。并设定了多标记预测训

点云分割常见算法有欧式聚类、欧式聚类的变种、超体素分割算法和其变种、GrabCut GrabCut算法、随机行走分割算法、随机抽样算法、区域生长算法等。下面分别介绍几种常见的分割算法。

后续就是对模型进行优化了。

该博文已经写的很详细了，在这里作为笔记方便查看。等操作一遍后再更新。