书接上文，在linux系统中进入自己新创建的docker，接下来需要配置conda环境，以供后续学习使用。4. Miniconda 安装程序，一路回车（按住回车不松手就行，输入yes，然后继续回车）（3）在conda中安装python的cuda和相关依赖，用于神经网络模型的GPU推理。7.创建包含Python3.8的conda环境，conda环境的名字为dlm。其中-n表示指定conda环境的名字

如下图所示，我配置了docker容器的端口映射，端口号为3572，目标宿主机ip地址为192.168.1.114用户名为root，但是发现容器中没有安装过passwd，尝试安装也没有访问网络的能力，没关系，我们。首先，检查是否存在sshd文件，如果存在则执行该文件，启动 SSH 服务。由于是kylinv10系统，所以与常规的配网方式有所不同，比如。然后，再次尝试直接连接docker容器，密码使用刚

好的，接下来我们先在服务器端搭建conda环境，用于将目标部署模型的safetensor文件，并转换为瑞芯微NPU支持的rkllm模型文件，使用如下命令创建并进入conda环境。（由于python3.8环境和最新的魔塔兼容，可以创建一个新的安装了python3.12环境的conda环境，下载好模型之后再切换回来。安装完成之后，下载需要部署的原始模型然后进行转换，我这里下载DeepSeek和Qwen

库版本不兼容whl文件安装报错等，由于手动创建环境十分麻烦，经常会出现各种库版本不匹配的问题。因此，今天考虑从Dockerfile入手创建docker环境，使得官方提供的完善环境直接可用。https://gitee.com/liuzhibang123/rknn_docker_file.git（支持国产，嘿嘿）最近遇到了奇怪的事情，之前配制好的rknn环境丢失了，重新配置又遇到了各种问题。以全国产化

好的，接下来我们先在服务器端搭建conda环境，用于将目标部署模型的safetensor文件，并转换为瑞芯微NPU支持的rkllm模型文件，使用如下命令创建并进入conda环境。（由于python3.8环境和最新的魔塔兼容，可以创建一个新的安装了python3.12环境的conda环境，下载好模型之后再切换回来。安装完成之后，下载需要部署的原始模型然后进行转换，我这里下载DeepSeek和Qwen

创建并保存后，进入C:\Users\ZhiBang.claude目录下（用户目录下的.claude）创建settings.json文件。保存并退出之后，再此开启终端，然后输入如下命令开启claude。首先，在cmd终端使用如下命令安装Claude Code。然后，进入DeepSeek官网充值并创建api密钥。

先选中全部需要修改的参考文献，点击替换，然后点击格式，再点击字体，中文字体设置为宋体，西文字体设置为Times New Roman。需要注意的是，对于空格、逗号、句号、连字符需要勾选使用通配符，对于小括号和中括号需要勾选区分全、半角（M）全部替换后，会询问是否搜索文档的其余部分，选择否即可。

好的，接下来我们先在服务器端搭建conda环境，用于将目标部署模型的safetensor文件，并转换为瑞芯微NPU支持的rkllm模型文件，使用如下命令创建并进入conda环境。（由于python3.8环境和最新的魔塔兼容，可以创建一个新的安装了python3.12环境的conda环境，下载好模型之后再切换回来。安装完成之后，下载需要部署的原始模型然后进行转换，我这里下载DeepSeek和Qwen

然后，使用如下代码构建简单的LLM模型并进行训练，代码中包含数据集的加载（r拖）然后，使用如下命令安装LLM训练需要用到依赖库。首先，创建一个名为llm_tarin的容器。使用如下代码进行上下文推理测试，输入为。推理结果如下，输出为。

linux 安装 nodejs （centos7系统）