沐语`Blog

沐语 `Blog 👋 🔭 一头不善言辞的间歇性社牛🐂 🌱 梦想成为一名摄影师，去记录山川湖海 📫 为什么写 Blog ？ 👯 记录自己的胡 言 乱 语 ! 📖 当迷茫的时候，能拿出来看一看 😆 笑那年那月！笑无知！笑稚嫩！ 🤔 正致力成为一名ctrl + C、ctrl + V优秀的CV攻城狮

博客标签 写法 解释 title 【必需】页面标题 date 【必需】页面创建日期 tags 标签 categories 分类 hide : true true首页隐藏 cover : https://X 主页图片 background : url(https://X) 文章内背景 sticky : 99 是否置顶，数字越大越前面 comments 是否启用评论 aside 是否启用侧边栏

多因素身份验证（MFA）指南标题： 一、引言 什么是 MFA？   多因素身份验证（Multi-Factor Authentication, MFA）是一种安全机制，要求用户提供两种或多种形式的身份证据来证明他们是合法用户。常见的形式包括：密码（知识因子）、物理令牌或智能手机应用生成的一次性密码（拥有因子）、生物特征识别（生物特征因子）等。 二、MFA 校验流程 初始化设置 登录目标账户（例如阿里云账号或其他在线服务）。 寻找并进入账户安全设置或相关页面以启用 MFA。 选择使用虚拟 MFA（如基于 RFC 6238 的 TOTP 应用）。 下载并安装支持 MFA 的应用程序，如 Google Authenticator、FreeOTP 或 Microsoft Authenticator。 扫描显示的二维码或手动输入共享密钥到应用程序中创建新的 MFA 配置。 日常使用 输入用户名和密码后，系统会提示输入由 MFA 应用生成的动态验证码。 在 MFA 应用中获取当前的有效验证码，并将其准确无误地输入到网站或应用的验证框内。  git add git comm ...

Ollama 离线安装 在线安装参考 https://ollama.com/ 加速脚本下载： curl -fsSL https://fastscript.netlify.app/ai/ollama-install.sh | sh 步骤1：查看服务器CPU的型号 选择对应版本的安装包（当前CPU架构为x86,选择amd的版本），复制链接使用镜像加速下载  x86_64 CPU选择下载ollama-linux-amd64  aarch64|arm64 CPU选择下载ollama-linux-arm64 下载地址：https://github.com/ollama/ollama/releases 加速地址：https://moeyy.cn/gh-proxy  git lfs installgit clone https://www.modelscope.cn/qwen/Qwen2-7B.gitshell 步骤2：离线下载Linux环境的Ollama安装脚本，并保存到**/home/Ollama**目录 1234567## 下载地址1，浏览器中打开下面地址https://olla ...

Unsloth微调模型详细参数参考：Unsloth 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103# 加载模型和分词器from unsloth import FastLanguageModelfrom local_dataset import LocalJsonDatasetfrom safetensors.torch import load_model, save_modelmax_seq_length = 2048dtype = Noneload_in_4bit = Falsemodel, tokenizer = FastLanguageModel.from_pretrained( model_name="./mod ...

Ollama 配置多并发和多模型Linux为例 通过调用 编辑 systemd 服务systemctleditollama.service 这将打开一个编辑器。 1vim /etc/systemd/system/ollama.service 在[Service]部分下对于每个环境变量添加一行Environment， 如下所示 123[Service]Environment="OLLAMA_NUM_PARALLEL=4" #并行处理请求的数量Environment="OLLAMA_MAX_LOADED_MODELS=4" #同时加载的模型数 保存并退出。 3 . 重新加载systemd并重新启动 Olama： 12sudo systemctl daemon-reloadsudo systemctl restart ollama 在restart ollama前一定要调用daemon reload， 不然不会起作用。

llama.cpp量化模型文件1. 构建llama.cpp使用克隆 llama.cpp 存储库 1git clone https://github.com/ggerganov/llama.cpp 12cd llama.cpp llama.cpp有我们需要运行的Python脚本，所以我们需要它的依赖项pip install pip install -r requirements.txt 现在，让我们建立我们的本地llama.cpp make clean && make all -j 对于任何拥有 nvidia GPU 的机器make clean && LLAMA_CUDA=1 make all -j 2. 获取模型数据下载开源模型，或者使用自己训练的模型 12git lfs installgit clone https://www.modelscope.cn/qwen/Qwen2-7B.git

Dify源码启动前置Clone Dify 代码： 1git clone https://github.com/langgenius/dify.git 在启用业务服务之前，我们需要先部署 PostgresSQL / Redis / Weaviate（如果本地没有的话），可以通过以下命令启动： 12cd dockerdocker compose -f docker-compose.middleware.yaml up -d 环境安装（conda）使用poetry环境请参考：poetry安装依赖 创建python环境，dify基于python3.10开发 1conda create --name dify python=3.10 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 切换环境 1conda activate dify Dify API 服务使用 Poetry 来管理依赖，执行以下命令安装依赖 123pipx install poetry如果不使用poetry则：pip ...

基于uwsgi部署Flask程序配置1、创建 uWSGI 配置文件配置文件放在项目根目录下，名称随意，以.ini 后缀结尾 ，这里我创建的文件名是 start.ini 内容如下： 123456789101112131415[uwsgi]#uwsgi启动时，所使用的地址和端口（这个是http协议的）http=0.0.0.0:5000#指向网站目录chdir=/Users/wangjie/PycharmProjects/repairXcx#python 启动程序文件wsgi-file=app.py#python 程序内用以启动的application 变量名callable=app#处理器数processes=4#线程数threads=2# 虚拟环境地址（如果有）virtualenv=/ocr/.venv7 请注意理解两点： 1）chdir=/Users/wangjie/PycharmProjects/repairXcx 这个配置一定要指定到你的项目的源码根目录中 2）callable=app 这个 app 指的是 flask  ...

Volta 是一个 JavaScript 开发工具链的管理器，旨在简化工具的安装和版本控制过程。 环境隔离：可以为每个项目设置单独版本 Volta 允许开发者为每个项目独立设置和自动切换 Node.js、npm、Yarn 等工具的版本。当你切换到不同的项目目录时，它会自动使用该项目所指定的工具版本，无需手动调整。 Linux安装1234567# 安装curl https://fastscript.netlify.app/front/get.volta.sh | bash# 重启环境变量source ~/.bash## 或者source ~/.bashrc Windows 安装对于 Windows，下载并运行 Windows 安装程序并按照说明操作。 提示 Volta 的功能依赖于创建符号链接，所以你必须: 启用开发者模式(推荐) 以提升的权限运行 Volta(不推荐) 安装全局版本volta install node@18.20.3 如果系统已经有了默认的nod ...