- 综合排序
- 最热优先
- 最新优先
- 来自专栏前端必修课
DeepSeek 文生图实战指南
我是程序员 NEO 让我们开始今天的技术分享~ 想让 DeepSeek 生成精美图片吗？本文将为您揭示一个简单而强大的解决方案，让您轻松实现 AI 创意的可视化呈现。 突破 DeepSeek 的限制 DeepSeek 作为新晋的 AI 助手，虽然在对话能力上表现出色，但并不直接支持图像生成功能。 不过，通过本文介绍的方法，我们可以轻松突破这一限制，让 DeepSeek 秒变"画家"。 核心解决方案 关键在于利用 Pollinations.ai 提供的图像生成 API。 =100&model=flux&nologo=true 参数说明： width/height：控制图片尺寸 seed：随机种子，保证图片的可重复性 nologo=true：去除水印，获得清晰原图 实战指南
91911编辑于 2025-03-07 - 来自专栏老张的求知思考世界
DeepSeek原理与项目实战
今天，小异带来一本新书《DeepSeek 原理与项目实战》，这本书还未正式出版，便已引发广泛关注，其中文繁体版和英文版版权更是抢先售出，收获了读者们如潮的好评。 当技术爆炸遇见知识鸿沟，《DeepSeek 原理与项目实战》这本兼顾理论深度、技术广度和实践经验的好书，便为读者打开了通向DeepSeek世界的大门。 实战与高级集成应用 理论和工具都学会后，就要动手实战了，第三部分（第 10~12章）详细讲解了从函数回调、缓存机制到实际应用开发的全流程。 集成实战1：基于LLM的Chat类客户端开发 集成实战2：AI 智能助理开发 集成实战3：基于VS Code的辅助编程插件开发 Part.3 结语 在当下大模型技术快速迭代的浪潮中，本书以技术前瞻性、实战系统性和应用普适性形成显著特色 ● 实战系统性：突破传统技术书籍重理论轻实践的局限，从生成式AI的理论基础讲解到DeepSeek-V3的技术架构，再到具体的开发实践，构建了从模型部署、参数微调到应用落地的全链路技术框架。
81710编辑于 2025-03-10 - 来自专栏大模型成长之路
【大模型学习 | RAG & DeepSeek 实战】
Deepseek & RAG 实战 编者常常有许多材料需要阅读查阅，但自己又比较懒，为此，想在大模型的学习过程中基于RAG技术将本地知识库与大模型结合起来，加快自身的效率。 在本次的项目设计，需要达成以下目标： 开源大模型的本地部署及使用 （以Deepseek为例）； PDF文本分析 ➕ 相似prompt检索提取 （关键）； 将检索到的信息与原prompt结合作为输入，得到结果 : f"""请根据以下参考内容回答问题： {retrieved} 问题：{query}"""}]4️⃣ 模型部署mode_name_or_path = '/root/autodl-tmp/deepseek-ai /deepseek-llm-7b-chat'# 加载预训练的分词器和模型tokenizer = AutoTokenizer.from_pretrained(mode_name_or_path, trust_remote_code
1K31编辑于 2025-07-19 - 来自专栏大模型成长之路
【大模型学习 | RAG & DeepSeek 实战（二）】
Deepseek & RAG 实战（二）在【大模型学习 | RAG & DeepSeek 实战】-腾讯云开发者社区-腾讯云文章中，已经实现了基于RAG建立了本地知识库，通过检索相似度最高的知识来辅助大模型的问答系统
88621编辑于 2025-07-20 腾讯云 DeepSeek 系列模型部署HAI实战
在这一技术浪潮中，国内头部云厂商加速布局AI基础设施与工具链建设，其中腾讯云凭借其Deepseek系列大模型与**高性能AI计算实例（HAI）**的深度整合，为开发者提供了从模型训练到应用落地的全栈解决方案 操作过程：第一步：跳转链接https://cloud.tencent.com/act/pro/deepseek2025#HAI-CPU购买一个体验版的HAI，用于本次部署HAI的必要条件；第二步：点击立即购买选择一个可以购买的资源 所以说要选择一个可以购买的进行支付即可；第三步：进行支付支付成功：选择已成功支付即可；第四步：登录cnb.cool地址登录成功：第五步：跳转这个地址https://cnb.cool/ai-awesome/deepseek 但是如果只是根据视频进行搭建还是会存在一定的问题，只有实际搭建的时候，才会发现一些问题，当然了搭建好了模型之后只是第一步，如何根据搭建的服务进行调用，才是最重要的，这个点后续会继续更新对应的文章进行介绍，毕竟现在搭建deepseek
52521编辑于 2025-03-23- 来自专栏网络安全技术点滴分享
DeepseekScanner deepseek+python实现代码审计实战
一、功能概述 DeepseekScanner实现了扫描源代码项目中的所有代码文件发送给deepseek进行安全审计的功能。 具体细节包括扫描所有子目录中的代码文件，然后依次将代码文件切片发送到deepseek api进行智能代码审计。审计结果包含存在安全问题的代码文件、代码位置行数、安全漏洞问题名称、存在安全漏洞的代码块。 save_results_to_file(filepath, file_scan_results) except Exception as e: print(e) 2.代码文件切片发送给deepseek 做安全审计 //从项目中的各个目录提取代码文件后，开始对代码进行切片发送给deepseek做安全审计 def scan_file(file_path, scan_results, directory): 对项目中的所有代码进行安全审计 python scanner.py E:\work\sqli-secound-order --all 2.结果展示 四、总结 DeepseekScanner通过python+deepseek
50610编辑于 2025-06-16 如何用DeepSeek优化代码生成？实战案例分析
如何用DeepSeek优化代码生成？ 实战案例分析一、DeepSeek的技术特点与优势DeepSeek是一款基于大规模预训练模型的代码生成工具，具有以下特点和优势：多任务能力：支持代码生成、代码补全、代码优化等多种任务。 二、实战案例：使用DeepSeek生成代码案例1：快速生成快速排序算法以下是使用DeepSeek生成快速排序算法的代码示例：from transformers import AutoTokenizer, AutoModelForCausalLM# 加载模型和分词器tokenizer = AutoTokenizer.from_pretrained("deepseek-ai/deepseek-coder- 使用上下文数据DeepSeek可以根据项目上下文生成符合规范的代码。例如，在电商系统中，它可以自动生成折扣计算逻辑。四、总结与展望DeepSeek在代码生成和优化方面展现了强大的能力。
1.5K10编辑于 2025-04-06- 来自专栏人工智能
腾讯云AI实战：DeepSeek模型训练与微调
关于DeepSeek模型简介DeepSeek是由腾讯控股，中国知名私募巨头幻方量化旗下的人工智能公司深度求索（DeepSeek）自主研发的AI大模型。 DeepSeek致力于研究和开发先进的通用人工智能模型AGI，其模型包括DeepSeek LLM、DeepSeek MoE、DeepSeek V2、DeepSeek-V3等，并且全部开源。 DeepSeek是基于Transformer架构，广泛应用于自然语言处理任务，比如文本分类、情感分析、机器翻译等，DeepSeek模型具有以下特点：高性能：基于Transformer架构，性能卓越。 从零开始：DeepSeek模型训练接下来就来从头开始进行DeepSeek模型训练。（一）准备工作在开始训练之前，需要做些准备工作，如下所示：注册腾讯云账号：访问腾讯云官网，注册账号并完成实名认证。 1、创建训练任务在TI One平台上创建一个新的训练任务，选择DeepSeek模型，并配置训练参数。
4.1K82编辑于 2025-02-06 - 来自专栏技术专栏全家桶
OpenClaw整合DeepSeek、Kimi模型并嵌入飞书实战
01、接入Kimi-K2.5模型 上一篇总结了OpenClaw的运行原理和基于MimiMax模型的部署实战：Agent之最新OpenClaw原理与实战大全 这篇将整合DeepSeek和Kimi模型，OpenClaw 国外模型成本费用较高，这里我们选择国内的DeepSeek和Kimi 2.5模型，这些模型在性能及价格方面评价都不错。 02、接入DeepSeek OpenClaw里面的列出来的模型里面没有deepseek。 : { "deepseek": { "baseUrl": "https://api.deepseek.com/v1", "apiKey": "${DEEPSEEK_API_KEY /deepseek-chat" } } } } 不用重启直接热加载配置。
12.3K24编辑于 2026-03-05 -DeepSeek技术解析：MoE架构实现与代码实战
以下是一篇结合DeepSeek技术解析与代码示例的技术文章，重点展示其核心算法实现与落地应用：DeepSeek技术解析：MoE架构实现与代码实战作为中国AI领域的创新代表，DeepSeek在混合专家模型 本文将通过代码实例解析其核心技术，并展示如何基于DeepSeek-MoE框架实现高效推理。 DeepSeek的 「专家位置感知调度」 算法通过：预分析计算图，将高频共现的专家分配到同物理设备采用RDMA网络传输协议，降低跨节点通信延迟一、MoE架构设计原理DeepSeek的稀疏化MoE架构通过动态路由机制 结语通过代码实践可以看出，DeepSeek的技术优势源于算法创新与工程优化的深度结合。 未来应用deepseek将更加广泛
1.3K10编辑于 2025-03-15- 来自专栏C++
【DeepSeek】DeepSeek概述 | 本地部署deepseek
1 -> 概述 DeepSeek是由中国的深度求索公司开发的一系列人工智能模型，以其高效的性能和低成本的训练而受到关注。 知识蒸馏：DeepSeek-R1通过知识蒸馏，将长链推理(CoT)模型的推理能力蒸馏到标准LLM中，显著提升了推理性能。 推动行业变革：DeepSeek的成功挑战了传统的“大力出奇迹”的AI发展模式，为行业提供了新的发展思路和方向，激发了更多的创新和探索。 2.2 -> 部署deepseek-r1模型 回到ollama官网点击左上角的Models进入如下界面。 这样本地部署deepseek就算完成啦
3.4K32编辑于 2025-02-08 DeepSeek 应用开发与商业变现实战|已完结
本文将深入解析DeepSeek开发平台的核心功能，分享低代码搭建的实战技巧，并探讨其在多个商业场景中的落地应用。一、DeepSeek开发平台核心功能解析1. 二、低代码搭建实战技巧1. 明确需求与场景在开始低代码搭建之前，首先要明确应用的需求和场景。例如，是要构建一个智能客服系统，还是一个教育辅助工具？ DeepSeek开发平台提供了丰富的可视化工具，帮助用户监控模型训练过程、分析模型性能。用户可以根据监控结果及时调整模型参数或优化应用逻辑，提升用户体验。三、多场景商业变现实战案例1. 医疗诊断辅助在医疗领域，DeepSeek开发平台也发挥着重要作用。例如，某医院利用DeepSeek的图像识别功能，构建了医学影像辅助诊断系统。 智能制造与工业互联网在智能制造领域，DeepSeek开发平台支持设备故障预警、产品质量提升等应用。例如，某制造企业利用DeepSeek的预测性维护功能，对生产设备进行实时监测和故障预测。
42710编辑于 2025-11-24- 来自专栏活动
医疗知识问答：DeepSeek多跳推理优化实战指南
多跳推理的诞生DeepSeek项目于2021年启动，专注于解决医疗知识问答中的深度推理问题。 DeepSeek多跳推理算法原理3.1 核心架构与工作流程DeepSeek采用分层架构，包含以下主要组件：知识图谱层：存储医疗实体和关系推理引擎层：执行多跳推理注意力层：引导推理方向记忆层：存储中间结果更新层 deepseek-medical/bin/activate# 安装依赖pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 -f https ：提供推理路径可视化，增强医生信任5.2 行业影响与应用场景DeepSeek已在以下医疗场景得到应用：应用场景典型客户效果提升临床辅助诊断三甲医院诊断准确率提升27%医患对话系统在线医疗平台用户满意度提升 我们期待更多医疗专业人员和开发者加入DeepSeek社区，共同推动医疗AI技术的发展，为全球医疗健康事业做出贡献。
60110编辑于 2025-04-02 - 来自专栏活动
自适应批处理：DeepSeek动态调度算法实战指南
DeepSeek算法原理与实例分析3.1 核心架构与工作流程DeepSeek系统采用分层架构：数据采集层：实时收集任务队列、资源使用率、网络状态等信息状态预处理层：特征工程与降维处理决策层：深度强化学习模型进行策略推断执行层 deepseek-env/bin/activate# 安装依赖pip install torch numpy pandas redispip install -U deepseek[full] # 组件# 部署示例helm repo add deepseek https://deepseek.github.io/helm-chartshelm install deepseek-scheduler deepseek/deepseek-scheduler \ --set redis.host=redis-master \ --set resources.requests.cpu=2注意事项模型更新策略 我们期待更多开发者加入DeepSeek社区，共同推动这一技术的持续发展。
76710编辑于 2025-03-31 DeepSeek原理和实战-我们关注点在哪里？
今天给大家推荐和导读下《DeepSeek原理与项目实战》这本书。为何导读这本书，因为在DeepSeek方面的书，前面更多的都是关于DeepSeek应用技能和提示语如何编写方面的。 而今天这本讲DeepSeek原理和实战的书，可能更适合程序员读。整本书内容的大家从题目可以看到，核心就两个部分。其一是DeepSeek概念原理方面的内容，其二是项目实战方面的内容。 DeepSeek的实战应用 这本书的第三部分（第 10~12章）详细讲解了从函数回调、缓存机制到实际应用开发的全流程。 集成实战1：基于LLM的Chat类客户端开发 集成实战2：AI 智能助理开发 集成实战3：基于VS Code的辅助编程插件开发 对于这块是本书的另外一个重要内容，教会你知道如何通过API调用和DeepSeek 为了确保读者实现学完即用，用即见效，同时这本书还附赠了DeepSeek-R1参考指南及完整开源代码库等配套内容，方便你最快速度上手DeepSeek开发实战。
32800编辑于 2025-06-24- 来自专栏活动
代码生成实战：DeepSeek AST解析深度解析与应用
AST解析项目的诞生DeepSeek项目于2022年启动，专注于通过抽象语法树（AST）解析提升代码生成质量。 驱动的生成方法，实现以下关键突破：结构化理解：通过AST解析代码的层级结构语义嵌入：结合上下文语义信息模块化生成：分模块构建代码持续学习：支持代码模式的动态更新2.3 技术迭代与性能优化经过两年迭代，DeepSeek DeepSeek AST解析算法原理3.1 核心架构与工作流程DeepSeek采用分层架构，包含以下主要组件：AST构建器：从源代码生成抽象语法树语义分析器：提取代码的语义信息生成引擎：基于AST和语义信息生成目标代码验证模块 DeepSeek方法：通过AST解析构建完整代码结构，确保逻辑正确。 在多种代码生成场景下表现优于传统方法：场景类型传统方法准确率DeepSeek准确率改善点简单函数生成85%92%语义增强复杂算法实现62%87%结构化处理错误代码修复48%76%容错设计跨语言转换55%
1.1K10编辑于 2025-04-03 - 来自专栏SQL数据库开发
DeepSeek如何轻松搞定Excel公式（附3个实战案例）
最近DeepSeek非常火爆，分享一本新书《高效使用DeepSeek》。 本文将首先简单介绍DeepSeek在Excel数据处理方面的7大优势，然后通过3个实战案例，手把手带你深入了解DeepSeek如何助力Excel公式生成。 01 DeepSeek的7大优势 DeepSeek在Excel公式生成方面展现了独特的赋能能力，主要具备以下特点。 1. 多样化办公 除了上述功能，DeepSeek还可以实现AI对话、文案写作、文本校对、精准翻译等切能，满足多样化的办公和需求。 02 实战案例 1. 通过本文分享的3个实战案例，我们看到了DeepSeek在数据筛选、跨表统计以及动态排序等场景中的卓越表现。未来，随着技术不断进步，DeepSeek将带来更多可能性。
1.9K10编辑于 2025-03-11 - 来自专栏智能大数据分析
【DeepSeek】在本地计算机上部署DeepSeek-R1大模型实战（完整版）
我们介绍了我们的第一代推理模型DeepSeek-R1-zero和DeepSeek-R1。 为了支持研究社区，目前开源了DeepSeek-R1-Zero，DeepSeek-R1，以及基于Llama和Qwen的DeepSeek-R1提炼的六个密集模型。 37B 128K HuggingFace DeepSeek-R1 671B 37B 128K HuggingFace DeepSeek-R1- zero和DeepSeek-R1是基于DeepSeek-V3 图5 下载DeepSeek R1 当然，我们可以不用到这个下载地址手动下载，只需要在cmd命令行窗口中执行如下命令就可以自动下载DeepSeek R1大模型： ollama run deepseek-r1 图6 测试DeepSeek R1的功能 cmd窗口关闭以后，DeepSeek R1大模型就停止运行了。
4.9K50编辑于 2025-02-12 - 来自专栏网罗开发
深度探索 DeepSeek 微调：LoRA 与全参数微调实战指南
摘要 DeepSeek 作为强大的大模型，提供了优质的基础能力，但在某些特定任务上，直接使用预训练模型可能无法满足需求。 本篇文章将介绍 LoRA（Low-Rank Adaptation）、全参数微调 等微调策略，并提供详细的代码示例，帮助开发者高效定制 DeepSeek 以适应特定任务。 为什么要微调 DeepSeek？ , AutoTokenizer model_name = "deepseek-ai/deepseek-mistral-7b" tokenizer = AutoTokenizer.from_pretrained , AutoTokenizer model_name = "deepseek-ai/deepseek-mistral-7b" tokenizer = AutoTokenizer.from_pretrained
1.3K10编辑于 2025-02-18 - 来自专栏活动
DeepSeek 量化压缩实战：INT8 精度保持方案详解
（二）DeepSeek 的诞生与演进DeepSeek 量化压缩方案在这一背景下应运而生。它借鉴了前人的研究成果，并结合现代深度学习模型的特点和应用需求，提出了一套系统的量化压缩框架。 DeepSeek 在量化过程中充分考虑了模型的结构和特性，采用了多种优化策略，如量化参数调整、量化误差补偿等，有效减少了量化带来的精度损失。随着时间的推移，DeepSeek 不断优化和扩展其功能。 三、实例分析：DeepSeek 在图像分类任务中的应用（一）数据集与模型选择为了验证 DeepSeek 量化压缩方案的有效性，我们选择了一个经典的图像分类任务作为实例。 （三）DeepSeek 量化压缩过程1. 量化参数初始化在量化压缩开始时，需要对量化参数进行初始化。 虽然测试集准确率略有下降，但仍然保持在较高水平，说明 DeepSeek 在精度保持方面取得了较好的效果。
1.5K20编辑于 2025-03-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号