思维网络|站长博客|陈配锋

环境准备

【如果你的是Windows】

则需要按照官方的教程准备Anaconda环境：

https://paddlepaddle.github.io/PaddleOCR/latest/ppocr/environment.html#11-windows

【如果你的是Linux】

则有两种选择：

方法一，安装Anaconda环境：

https://paddlepaddle.github.io/PaddleOCR/latest/ppocr/environment.html#131-anaconda

方法二，使用现成的Docker环境（注意更换paddle的版本，因为官方的命令有误）：

https://paddlepaddle.github.io/PaddleOCR/latest/ppocr/environment.html#132-docker

那针对Linux的方法二，可以参考以下命令创建docker容器：

#首先切换到你的工作路径，然后执行以下命令
#注意：$PWD:/paddle的意思是将容器的/paddle路径映射到宿主机的当前目录中，因此建议运行前先想好要映射到哪个位置，从而提前切换到对应的路径

#如果用CPU环境中使用docker，则用这个命令
sudo docker run --name ppocr -v $PWD:/paddle --network=host -it registry.baidubce.com/paddlepaddle/paddle:2.1.3 /bin/bash

#如果用GPU（cuda10.2+cudnn7）环境中使用docker，则用这个命令
sudo nvidia-docker run --name ppocr -v $PWD:/paddle --shm-size=64G --network=host -it registry.baidubce.com/paddlepaddle/paddle:2.1.3-gpu-cuda10.2-cudnn7 /bin/bash

#如果用GPU（cuda11.2+cudnn8）环境中使用docker，则用这个命令
sudo nvidia-docker run --name ppocr -v $PWD:/paddle --shm-size=64G --network=host -it registry.baidubce.com/paddlepaddle/paddle:2.1.3-gpu-gpu-cuda11.2-cudnn8 /bin/bash

再次进入容器可以使用如下命令：

sudo docker container exec -it ppocr /bin/bash

启动容器可以使用如下命令：

docker start ppocr

删除容器可以使用如下命令：

sudo docker rm ppocr

快速开始

在对应的python环境中，执行以下命令以安装paddlepaddle：

#使用CPU的用这个
python -m pip install paddlepaddle==2.1.3 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/

#使用GPU的用这个（注意替换cu版本号）
python -m pip install paddlepaddle-gpu==2.1.3 -i https://www.paddlepaddle.org.cn/packages/stable/cu102/

接下来安装paddleocr：

pip install paddleocr

然后运行以下指令以查看paddleorc是否能正常运作：

paddleocr -h

因此需要执行以下命令将protobuf降到兼容版本：

#卸载原有的protobuf
pip uninstall protobuf

#安装指定版本的protobuf
pip install protobuf==3.20.0

然后再使用“paddleocr -h”指令检查是否正常运行paddleocr：

接下来使用如下命令尝试将图片转文字：

#首次运行需要下载大模型，模型的默认下载位置是：${HOME}/.paddleocr
#如需更改模型的存储位置，可设置环境变量：PADDLE_OCR_BASE_DIR
#目前语言可选：'ch', 'en', 'korean', 'japan', 'chinese_cht', 'ta', 'te', 'ka', 'latin', 'arabic', 'cyrillic', 'devanagari'

#
paddleocr --image_dir /paddle/JGJ-T-235-2011/JGJ-T-235-2011_00.png --lang ch

第一步：Ollama的下载、安装、运行

到这个网站下载并安装：https://ollama.com/

安装完成并运行后，任务栏的右下角会有如下图标：

第二步：下载并运行DeepSeek模型

进入Ollama的这个网址可以查看到DeepSeek-R1有哪些模型可以直接下载并使用：

https://ollama.com/library/deepseek-r1

然后使用如下命令下载并运行模型：

（注意：Ollama默认的模型下载位置是系统当前登录用户的文件空间中，所以多数情况是放在C盘，请先确保有足够的存储空间。如果需要更改，请在系统中设置系统变量“OLLAMA_MODELS”，值为你要用于存放模型的文件夹路径。设置后，需要重启Ollama才会生效。）

ollama run deepseek-r1:7b

7b是模型的类型，请根据自己的需求进行调整。

“B”代表“Billion”，即“十亿”。这是用来量度模型中参数的数量。
——傻瓜式判断你应该使用哪种——-
1.5B 模型：4GB 显存
7B、8B 模型：8GB 显存
14B 模型：12GB 显存
32B 模型：24GB 显存

下载成功后会自动运行，出现>>>的符号表示你此时可以输入文字跟AI对话了：

第三步：设置模型推理时使用CPU还是GPU（可选）

刚刚装好，跟AI对话的时候发现AI的回复很慢，怎么跟网上的响应速度差那么远？我的电脑是12代I5，3050的显卡，理论上使用7b应该是轻松应付的。于是查了一下资料得知我们现在只是使用AI模型进行推理，而并非训练，因此推理的话，使用CPU或是GPU都是可以的。而Ollama在装好后，可能默认使用的是CPU进行推理。怎么去判断呢？

如果是Nvidia的显卡，可以在AI模型正在回复的时候使用nvidia-smi命令来查看是否有ollama的进程在运行：

如果是其他显卡就不知道了。但是我们可以在CMD夏直接使用以下命令进行配置：

export CUDA_VISIBLE_DEVICES=0  # 指定使用第一个 GPU

配置好后，记得重启Ollama服务，以让配置生效。

经过测试，速度立刻变得飞快。

那也顺便给大家配置回去CPU推理的命令：

export CUDA_VISIBLE_DEVICES=""  # 清空变量，强制使用 CPU

推荐9部适合学习英语的美剧，让你的英语学习更加有趣和高效！

🎬 “Friends”（《老友记》）：这部经典剧集的语言简单易懂，贴近日常生活，非常适合英语初学者。

🎬 “The Big Bang Theory”（《生活大爆炸》）：剧中人物的科学知识和幽默的对白，让你在欢笑中学习英语，同时了解科学知识。

🎬 “How I Met Your Mother”（《我是怎么遇见你的母亲》）：虽然语言稍难，但剧情有趣，人物性格鲜明，适合有一定英语基础的人观看。

🎬 “Game of Thrones”（《权力的游戏》）：虽然语言复杂，但剧情引人入胜，可以锻炼你的听力和理解能力。

🎬 “Breaking Bad”（《绝命毒师》）：语言难度较高，适合有一定英语基础的人观看，剧中的专业术语也能增加学习的趣味性。

🎬 “The Crown”（《皇冠》）：语言较为正式，对于提升英语的阅读和写作能力很有帮助。

🎬 “Sherlock”（《神探夏洛克》）：对话语速较快，适合提升英语听力的人观看。

🎬 “The West Wing”（《白宫风云》）：语言正式，适合提升英语的阅读和写作能力。

🎬 “Downton Abbey”（《唐顿庄园》）：语言正式，适合提升英语的阅读和写作能力。

以上内容转载自：

https://mbd.baidu.com/newspage/data/dtlandingsuper?nid=dt_4038222814918069207&sourceFrom=search_a

最近在学习微软的Azure，相关链接如下：

https://microsoftlearning.github.io/mslearn-ai-fundamentals/Instructions/Labs/02-content-safety.html

然后在走如下流程时，却出现了空白资源列表：

一开始怀疑自己没有做对指导流程中描述的步骤，于是再走了一次流程，还是不行。

搜索Internel没结果，最后在AI中找到了答案：

好吧，在Azure的Website中重新登录你的账号吧！结果就出来了：

唉！浪费了我几个小时，这个系统是应届生做的吧！？~

最近在学习Microsoft的AI，按照Azure的教程来走“Microsoft Machine Learning”时，遇到错误，相关的链接与错误提示如下：

https://microsoftlearning.github.io/mslearn-ai-fundamentals/Instructions/Labs/01-machine-learning.html

ResourceOperationFailure: Resource provider [N/A] isn’t registered with Subscription [N/A]. Please see troubleshooting guide, available here: https://aka.ms/register-resource-provider 

根据错误提示进入“https://aka.ms/register-resource-provider”查阅资料，但无法解决。因为错误提示显示的是[N/A]，因此你都不知道是哪个Resource Provider没有开。

继续查阅资料，看到这位国外使用者出现了同样的情况：

https://learn.microsoft.com/en-us/answers/questions/2129910/resource-provider-(n-a)-isnt-registered-with-subsc

大概意思就是，要开启“Microsoft.PolicyInsights”和“Microsoft.Cdn”这两个Resource provider，如下图所示：

操作注册后需要等一会，待彻底注册成功，即可再次尝试了。

自此，问题解决。

举个例子，常规的是命令 mvn install，这时只需要双击这里即可：

但是如果需要制定运行参数，那怎么办？

第一种方法是直接在IdeaJ的Terminal中执行即可：

但这里的环境调用的是windows的环境，所以有可能你的windows环境是JDK17，但是项目的环境是JDK8，此时便会报错。那么我们可以通过这种形式去配置其参数：

右击这个命令，选择“Modify Run Configuration”：

然后在以下圈住的位置填写mvn参数（注意不需要前面打mvn三个英文字母）：

点击“OK”后便可以在这个位置展开找到刚刚添加的快速启动入口：

选择并运行即可。

首先请确保项目已经有多个配置文件。

然后点击这里展开：

选择“Edit Configurations”。

最后在“Spring Boot – Active profiles”的填写框里面填入配置文件的后缀，重启SpringBoot项目即可。

Swing是JAVA内置的，因此商用免费，优点是无需额外引入依赖而且跨平台。

SWT是Eclipse开发并维护的，开源协议是Eclipse所以商用免费，有点是界面调用了不同系统的底层实现的，做出来的窗体效果比较贴近系统，所以效果相对精美。

JavaFX是官方的产物，JDK1.8是内置，超过JDK1.8的版本都是需要独立引用，功能及效果均超越Swing和SWT，但开源协议是CC BY-NC 4.0 DEED，也就是不可商用！不可商用！不可商用！因此没有学习价值。

所以，长远来看，还是用Swing吧。

可以修改启动类为：

@SpringBootApplication
public class RmToolApplication implements CommandLineRunner {

	public static void main(String[] args) {
		//SpringApplication.run(RmToolApplication.class, args);
		SpringApplicationBuilder builder = new SpringApplicationBuilder(RmToolApplication.class);
		builder.headless(false).run(args);
	}

	@Override
	public void run(String... args) throws Exception {
		Application.launch(MainApp.class, args);
	}

}