去年组装了3台迷你机,老中青三代各司其职,运行正常。
其中主力劳模是时下流行的N100,承担日常业务,对性能也要求不高。上周某个业务需要生成1700份PDF文件,运行完成后扫了一下用时,14分40多秒。
感觉还是有些慢,就又用老一代的E3 1260Lv3跑了一下,4核8线程对4核,只是少了20秒。当时想可能是程序自身问题,大体上就是这个性能吧,还能接受。
今天想到用Chromebox也跑一下试试,正好也给儿子把Python环境安装好。程序同步运行后,我就走开干别的去了。
回来发现任务已经完成,当时只看到一个2m,第一反应是12分钟,少用了2分钟。后来凑近屏幕看,是2分钟。
看来这i7速度快,真是名不虚传。
分类: IT天地
解决ModuleNotFoundError: No module named ‘pip’ 错误方案
ubuntu24.04系统,因创建python虚拟环境导致新旧版本冲突,出现ModuleNotFoundError: No module named ‘pip’ 提示。
通过重新安装python-pip无法解决,使用get-pip.py脚本解决。
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
准备下手双显卡
去年媳妇给推荐了zotero软件,说是科研人员必备神器。我安装使用的确方便,但也只是用来做网络资料的收藏与整理。
直到前段时间帮儿子准备毕业论文,安装了GPT插件后,发现自己真是拿着牛刀杀鸡了。在本地小模型的辅助下,zotero可以通过插件对管理的PDF文件进行高效的处理。
最近这段时间又进行了各种测试,发现本地7B规模的模型,可以对内容定向的诸如单PDF等文档进行处理;如果需要进行功能扩展,比如资料库这类多文档总结,则需要14B的模型,显卡显存就要从8G扩展到12G。
而要再进一步,比如让大模型在原有文档基础上自行发挥,还不胡说八道,关公战秦琼,那就必须32B的模型,这个基本超越了本地部署的能力,即便是16G显存的显卡也是力不从心。
所以,我准备下手双显卡服务器了。
6月6日忆NBA
刚看完NBA总决赛第一场,步行者最后0.3秒绝杀了被国内几乎所有大V看好的雷霆队。
雷霆被看好不是没有道理,零零散散看的比赛,大部分时间领先的都是雷霆。可以说,步行者想赢,需要拼了命打,而雷霆只要正常打,就不会输。
98年的6月6号,同事婚礼,在现在已经被拆的齐鲁宾馆举行的,甚是隆重,不过我们不少帮忙的人抽空就跑一边,看一个同事的移动电视里直播的NBA总决赛,公牛乔丹大战爵士双煞。
那届总决赛,才真正是势均力敌,看的人是提心吊胆,却又热血沸腾。
不是念旧,现在的NBA真的没法比。
丑陋的Django自带admin
计算机知识本就是越学越发现自己不会的越多,但如果不持续学,会发现自己很无知。
在选定调校了erp系统并建账后,算是了却了一件大的心事,重新开始准备日常的技术工作。
原本是准备使用Django进行整合的,但一想到xadmin的安装设置就头疼。最后一次安装成功,Django还是3.0,昨天硬着头皮整理资料时候,发现其实xadmin已经落伍了。
试着安装了一下网上推荐的simpleUI,NND,一行安装命令,一行配置就解决了。
感慨自己无知浪费时间的时候,忍不住还是吐槽一下这Django,从我接触的1.7版本,到昨天的5.2,版本更新的那么快,这后台的admin就没有变过,已经不能用简陋来形容,简直就是丑陋。
磨刀不误砍柴工,还是得学啊,哪怕是走马观花。
ERPNext调校完成
自从切换成程序员视角后,这两天将ERPNext调校完成后,开始实战操作,嘁哩喀嚓一年的业务,小半天就处理完了,几乎都刹不住车了。
在原单位的时候,虽同是kjc的缩写,但科技处一向看不起会计处,那白眼翻的。真如网上段子:天天受气,偏偏自己还不争气。
不过这ERPNext确实好用,相比odoo,系统占用小,速度快,操作简便,odoo可以扔一边凉快去了。
下一步就是跟当初使用odoo一样,自己开发一个外挂程序调用数据,转换成符合中国会计传统的凭证和报表。
其实,这么多年来,自己开发的程序里面,最得意的就是那套外挂了。
换角度看ERPNext
上周脑子短路,把odoo的便携主机升级到24.04,今天克服拖延症要账务处理了,发现系统崩了。
折腾半天,最后通过卸载重新安装的方式,让系统重新正常运转。
在这个过程中,因为不确定成功与否,就重新测试了一下前段时间外甥推荐的ERPNext。
当时放弃它的原因,是因为感觉他的会计系统怪怪的,特别是他的科目设置。今天换个角度看,发现它应该是科技人员为会计人员编写的,会计知识匮乏,属于知其然不知其所以然,我给你实现你要的功能就行了。
如果是这样,那ERPNext加以调教,顺着会计思路和流程处理业务,应该是堪用的。
换角度看ERPNext
上周脑子短路,把odoo的便携主机升级到24.04,今天克服拖延症要账务处理了,发现系统崩了。
折腾半天,最后通过卸载重新安装的方式,让系统重新正常运转。
在这个过程中,因为不确定成功与否,就重新测试了一下前段时间外甥推荐的ERPNext。
当时放弃它的原因,是因为感觉他的会计系统怪怪的,特别是他的科目设置。今天换个角度看,发现它应该是科技人员为会计人员编写的,会计知识匮乏,属于知其然不知其所以然,我给你实现你要的功能就行了。
如果是这样,那ERPNext加以调教,顺着会计思路和流程处理业务,应该是堪用的。
期待TensorRT在大模型的应用
这个我信。
因为从katago版本升级就能够看出来,使用tensorrt框架后,相比原cuda其性能提升显著,可以说上了一个台阶。
而从前几天全新安装A3000时发现,在Ubuntu下,从NVIDIA的驱动开始,直到tensorrt安装,整个流程相比两年前,已经有了大的改进,基本不需要手工设置。
而涉及到AI,其支持的5个ISV集成中,第一个就是lmstudio,如此一来,使用普通显卡本地部署的性能会有一个大的提升。
期待。
举头望山月?
昨天想通过给外甥家俩孩子学古诗测试ragflow,从GitHub上下载了一个高星评价的数据集,解压缩后有12G大小。
从中选择了一个全唐诗文件夹,将里面的json文件导入到资料库中,因为使用了外部免费内嵌服务器,解析过程有些漫长。
数据解析完成测试,随手打了一个关于李白的《静夜思》,qwen2.5的7B模型回答的也飞快,本想退出系统收兵,突然感觉哪里不对劲,一看,里面居然是“举头望山月”,而不是记忆里的“举头望明月”。再看,第一句也不是“床前明月光”,而是“床前看月光”。
第一反应是资料库有问题,便问了一句“举头望明月”出自哪一首诗。结果不问还好,这一问把qwen的劣根性彻底暴露,给我回了一个“出自唐代诗人王之涣的《登鹳雀楼》”,还一本正经列出全诗后,加上了举头望明月,低头思故乡。
气的我在问题后面加上了“根据资料库内容,别胡说八道”,这回才老老实实回答“知识库中未找到明确包含这一完整诗句的作品”。
又换到deepseek V3,其回答就全面的多,首先承认未找到“举头望明月”,然后解释现代流传版本多是如此。并建议查阅更多完整的《全唐诗》版本或其他文献。
由此看,资料固然是rag的基础,AI模型同样具有保驾护航的重要性。