Ubuntu20.04系统安装，使用系统盘安装

1、系统安装

Ubuntu20.04系统安装，使用系统盘安装

查看ubuntu系统版本

lsb_release -a：显示发行版名称、版本号及代号

(base) root@ai-System-Product-Name:/media/ai/wh/clash-for-linux-master# lsb_release -a
No LSB modules are available.
Distributor ID:	Ubuntu
Description:	Ubuntu 20.04.6 LTS
Release:	20.04
Codename:	focal

查看Ubuntu系统内核版本

uname -r：直接显示内核版本号

(base) root@ai-System-Product-Name:/media/ai/wh/clash-for-linux-master# uname -r
5.15.0-139-generic

2、NVIDIA驱动安装

Ubuntu操作系统安装Nvidia GPU驱动-物理机-用户指南-实例-GPU驱动安装说明 - 天翼云

Ubuntu操作系统安装Nvidia GPU驱动

验证驱动是否正常安装

nvidia-smi

安装cuna工具包（一般情况选择带有系统版本的CUDA就能直接安装完）

CUDA Toolkit Archive | NVIDIA Developer

检查 CUDA Toolkit 是否安装成功

nvcc --version

操作系统及软件相关

安装检查命令
系统驱动

uname -r 

C/C++编译运行环境

检查命令  gcc --version 、 g++ --version 、 cmake --version 

 Pytorch

Python -c "import torch" 

Langchain

Python -c "import langchain" 

 Stable - diffusion

通过查看代码仓库有无文件判断

Lora微调框架

通过查看代码仓库有无文件判断

 Dockers容器组件

检查命令  sudo systemctl status docker 、 Docker --version 

Python

python --version 

 2.1 Pytorch安装

PyTorch官网下载链接：Start Locally | PyTorch

离线“：https://download.pytorch.org/whl/torch/

首先更新系统并安装必要的工具和依赖：

sudo apt update && sudo apt upgrade -y
sudo apt install python3-pip python3-dev build-essential libssl-dev libffi-dev -y

确保pip是最新版本：

pip3 install --upgrade pip

进入虚拟环境，直接安装

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

2.2 安装Miniconda的步骤

Miniconda - Anaconda

下载Miniconda安装脚本

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh

运行安装脚本

bash Miniconda3-latest-Linux-x86_64.sh

按照提示进行操作：

  • 按Enter查看许可协议

  • 输入yes接受许可条款

  • 选择安装位置（默认在~/miniconda3）

  • 是否初始化Miniconda（建议选择yes）

激活conda

source ~/.bashrc

验证安装

conda –version

配置环境（可选）

conda config --set auto_activate_base false

添加清华镜像源（国内推荐）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

创建和管理环境

conda create -n xx_conda python=3.9conda activate xx_conda
conda activate xx_conda

卸载 Miniconda（如需）

rm -rf ~/miniconda3

清理 ~/.bashrc 中的 Conda 初始化代码（删除相关行）

模型下载

pip install modelscope

modelscope download --model Valdemardi/DeepSeek-R1-Distill-Qwen-32B-AWQ

3、编译开发组件安装

apt update 安装基本开发组件

组件名称安装命令检查命令

GUN调试工具（gdb）

 sudo apt install gdb 

gdb --version 

内存调试分析工具（valgrind）

sudo apt install valgrind 

valgrind --version         

格式化C/C++代码的工具（clang - format）

 sudo apt install clang - format 

 clang - format --version

 C/C++代码格式化和美化工具（astyle）

sudo apt install astyle 

astyle --version 

版本控制工具组件（git）

 sudo apt install git 

git --version 

ssh设备访问工具

 sudo apt install openssh - client （客户端 ），

sudo apt install openssh - server （服务端 ）

ssh -V 

网络工具组件（scp是ssh附带工具 ）

 scp -V 

下载网络内容的非交互工具（wget）

 sudo apt install wget 

wget --version 

容器镜像仓库工具组件（docker）

sudo apt-get update && sudo apt-get install docker - ce docker - ce - cli containerd.io 

docker --version 

系统分析与监控工具组件（性能分析 = perf）

sudo apt install linux - tools - common linux - tools - generic 

perf --version 

系统性能分析（sysstat）

sudo apt install sysstat 

sar -V 

增强的交互式系统监控工具（htop）

sudo apt install htop 

 htop --version 

网络带宽工具组件（nload）

sudo apt install nload 

nload --version 

文本编辑工具（vim）

sudo apt install vim 

 vim --version 

命令文本编辑器工具（nano）

 sudo apt install nano 

nano --version 

开发库和依赖工具组件（build - essential/tree ）

sudo apt install build - essential tree 

 tree --version 

树状图列出目录内容工具（tree）

 tree --version 

基本的网络诊断工具（ping）

一般系统自带，若缺失sudo apt install iputils - ping 

ping -V 

 ifconfig

一般系统自带，若缺失sudo apt install net - tools 

ifconfig

4、AI生态框架安装

框架名称

PyTorch

LangChainIntroduction | 🦜️🔗 LangChain
Stable DiffusionStable Diffusion API Docs | Stable Diffusion API Documentation
SAM

GitHub - facebookresearch/segment-anything: The repository provides code for running inference with the SegmentAnything Model (SAM), links for downloading the trained model checkpoints, and example notebooks that show how to use the model.

GitCode - 全球开发者的开源社区,开源代码托管平台

Lora微调组件

4.1 LangChain-ChatChat 本地部署文档

一、系统要求

  • 操作系统：Ubuntu 20.04+

  • Python：推荐 3.9 或 3.10

  • 内存：建议 ≥ 8GB

  • GPU（可选）：用于部署大语言模型（如 Qwen、ChatGLM）

  • Conda（推荐）或 venv 用于隔离环境

二、环境准备

1. 安装基础依赖

sudo apt update
sudo apt install -y git wget curl build-essential

2. 安装 Anaconda 或 Miniconda（推荐）

从官网下载安装：https://docs.conda.io/en/latest/miniconda.html

3. 创建并激活环境

conda create -n chatchat python=3.10 -y conda activate chatchat

三、克隆项目

git clone https://github.com/chatchat-space/langchain-chatchat.git
cd langchain-chatchat
 

四、安装依赖

pip install -r requirements.txt

安装较慢时可使用国内镜像：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

五、下载语言模型

这里为了方便调用选择小模型

手动下载

从 Hugging Face 或模型官方仓库下载模型文件

六、配置启动参数

编辑 .env 文件（或创建）设置默认参数：

LLM_MODEL=Qwen3-0.6B-Base
VECTOR_STORE_TYPE=faiss
EMBEDDING_MODEL=text2vec-base-chinese

七、运行服务

项目使用 FastAPI + Web UI + 后端服务，推荐使用一键脚本：

# 启动服务（Web UI + FastAPI 后台）
bash start.sh

等待约 30~60 秒后，打开浏览器访问：

http://localhost:7860

八、测试功能

  • 上传 PDF 文档、TXT、DOCX

  • 输入自然语言提问

  • 支持多模型切换

  • 支持上下文记忆、插件功能、对话历史

4.2 SAM 部署流程文档

一、系统要求

  • 操作系统：Ubuntu 20.04

  • Python：推荐使用 Python 3.9+

  • 显卡驱动：NVIDIA GPU + CUDA 11.7 或以上

  • 内存：≥8GB

  • 显卡显存：≥6GB（建议使用 12GB 以上显存）

二、环境准备

1. 安装系统依赖

sudo apt update
sudo apt install -y git wget unzip build-essential libgl1-mesa-glx

2. 创建 Python 虚拟环境

# 安装 Python 虚拟环境工具（可选）
sudo apt install python3.9-venv

# 创建并激活虚拟环境
python3.9 -m venv sam_env
source sam_env/bin/activate

三、安装 PyTorch

请根据你的 CUDA 版本从 PyTorch 获取对应安装指令。以下为示例：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

四、克隆 SAM 仓库

git clone https://github.com/facebookresearch/segment-anything.git
cd segment-anything
pip install -e .

五、下载 SAM 模型权重

可以从 Meta 官方提供的地址下载权重模型（需要梯子）：

# 创建模型目录
mkdir -p ~/models/sam

# 示例下载 ViT-H SAM 模型
wget https://dl.fbaipublicfiles.com/s        egment_anything/sam_vit_h_4b8939.pth -P ~/models/sam

测试部署（命令行接口）

创建一个测试脚本 run_sam.py：

import torch
from segment_anything import sam_model_registry, SamPredictor
import cv2# 加载模型
sam = sam_model_registry["vit_h"](checkpoint="/home/yourname/models/sam/sam_vit_h_4b8939.pth")
sam.to("cuda")predictor = SamPredictor(sam)# 加载图像
image = cv2.imread("test.jpg")
predictor.set_image(image)# 示例点
input_point = [[500, 375]]
input_label = [1]masks, scores, logits = predictor.predict(point_coords=input_point,point_labels=input_label,multimask_output=True,
)# 保存掩码图
import matplotlib.pyplot as plt
import numpy as npfor i, mask in enumerate(masks):plt.imsave(f"mask_{i}.png", mask, cmap="gray")

运行：

python run_sam.py

七、（可选）部署为 Web 服务

你可以使用 gradio 快速部署一个 Web UI：

pip install gradio opencv-python

# 创建 web_app.py

import gradio as gr
import cv2
from segment_anything import sam_model_registry, SamPredictorsam = sam_model_registry["vit_h"](checkpoint="/home/yourname/models/sam/sam_vit_h_4b8939.pth")
sam.to("cuda")
predictor = SamPredictor(sam)def segment(image, x, y):predictor.set_image(image)masks, _, _ = predictor.predict(point_coords=[[x, y]], point_labels=[1], multimask_output=False)return masks[0]gr.Interface(fn=segment,inputs=["image", gr.Number(label="X"), gr.Number(label="Y")],outputs="image").launch()

运行：

python web_app.py

八、常见问题

问题解决方法
RuntimeError: CUDA out of memory使用较小的模型（如 ViT-B）、减小图像尺寸
cv2.error: OpenCV确保图像路径正确，格式为 RGB
下载权重失败使用代理或科学上网工具

九、总结

部署 SAM 的关键在于：

  1. 安装兼容的 CUDA + PyTorch 环境；

  2. 下载官方模型权重；

  3. 使用 segment_anything 提供的 API 接口进行加载与预测；

  4. 可选：集成 Web 服务或 API 接口用于后续调用。

4.3 Stable Diffusion 部署文档

使用 CompVis 官方仓库（或 Stability AI 的扩展版）：

git clone https://github.com/CompVis/stable-diffusion.git
cd stable-diffusion

五、安装依赖

pip install -r requirements.txt

如果你看到 transformers、diffusers 缺失，可以补装：

pip install diffusers transformers accelerate

六、下载模型权重

下载文件

https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/resolve/main/sd-v1-4.ckpt

七、运行图像生成（命令行）

python scripts/txt2img.py \
    --prompt "a fantasy castle in the sky" \
    --plms \
    --ckpt models/ldm/stable-diffusion-v1/model.ckpt \
    --config configs/stable-diffusion/v1-inference.yaml \
    --outdir outputs/ \
    --n_samples 1 \
    --n_iter 1 \
    --H 512 --W 512 \
    --ddim_steps 50
 

八、输出结果查看

图片会保存在 outputs/ 文件夹中。

九、测试示例

python scripts/txt2img.py \
  --prompt "a cyberpunk cityscape at night, neon lights, rain" \
  --ckpt models/ldm/stable-diffusion-v1/model.ckpt \
  --config configs/stable-diffusion/v1-inference.yaml \
  --outdir outputs/
 

十、常见问题解决

问题解决方案
CUDA out of memory尝试减小图像尺寸（如 384x384）、使用 --n_samples 1
No module named xformers可选模块，pip install xformers（需编译）
权重文件太大下载失败可手动从浏览器下载 .ckpt 文件，放入指定目录

十一、可选扩展

  • 使用 diffusers + transformers 替代原生结构，部署更轻量

  • 部署 Gradio Web UI 示例（需要我可补充）

  • Docker 化部署

  • 使用自动 Web UI（如 A1111 或 ComfyUI）

总结

Stable Diffusion 原生部署流程为：

  1. 安装环境（Python + PyTorch）

  2. 克隆项目并安装依赖

  3. 下载模型权重

  4. 使用 txt2img.py 脚本生成图像

4.4 Lora微调框架安装

5、AI加速框架安装

加速组件
vLLMvLLM - vLLM

 vllm安装

6、KVM虚拟化和Docker容器安装

容器化组件
KVM虚拟化
Dockerhttps://docs.docker.com/

docker-compose

Harbor镜像仓库

Harbor docs | Harbor 2.4 Documentation 

6.1 Dockers容器组件安装

sudo apt update
sudo apt upgrade -y

lsb_release -a

三、安装 Docker
1. 安装必要的依赖
在安装 Docker 之前，我们需要安装一些必要的依赖包。运行以下命令：

sudo apt install apt-transport-https ca-certificates curl software-properties-common

2. 添加 Docker 的官方 GPG 密钥
通过以下命令添加 Docker 的官方 GPG 密钥，以确保下载的软件包的完整性：

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
 

3. 添加 Docker 的 APT 源
接下来，我们需要添加 Docker 的 APT 源到您的系统中：

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"


4. 更新 APT 包索引
添加源后，更新 APT 包索引：

sudo apt update


5. 安装 Docker CE
现在可以安装 Docker 社区版（Docker CE）：

sudo apt install docker-ce


6. 验证 Docker 是否安装成功
安装完成后，您可以运行以下命令来验证 Docker 是否成功安装：

sudo systemctl status docker


如果 Docker 正在运行，您将看到类似以下的输出：

● docker.service - Docker Application Container Engine
   Loaded: loaded (/lib/systemd/system/docker.service; enabled; vendor preset: enabled)
   Active: active (running)


四、启动与测试 Docker

1. 启动 Docker 服务
如果 Docker 服务没有自动启动，可以手动启动它：

sudo systemctl start docker


2. 运行 Hello World 容器
您可以使用以下命令来测试 Docker 是否工作正常：

sudo docker run hello-world

【Docker】在 Ubuntu 22.04 以下版本上安装 Docker 的详细指南_ubuntu 安装docker-CSDN博客

6.2 KVM虚拟化

如何在 Ubuntu 22.04 服务器上安装和配置 KVM？_ubuntu 22.04 kvm-CSDN博客

检查 CPU 是否支持虚拟化

egrep -c '(vmx|svm)' /proc/cpuinfo

安装 KVM 及相关组件

sudo apt update
sudo apt install -y qemu-kvm libvirt-daemon-system libvirt-clients bridge-utils virt-manager

  • qemu-kvm: 提供虚拟化支持

  • libvirt-*: 提供虚拟机管理 API

  • virt-manager: 图形化虚拟机管理工具（可选）

检查安装结果

sudo systemctl status libvirtd

查看是否已启动。启动命令为：

sudo systemctl enable --now libvirtd

查看当前用户是否可以使用 KVM

groups

是否属于 libvirt 和 kvm 组，如果没有就添加你自己进去：

sudo usermod -aG libvirt,kvm $USER

然后重新登录或重启。

创建和运行虚拟机（两种方式）……

方法一：图形界面（推荐初学者）

virt-manager

会打开图形界面，点击 “创建虚拟机” 并加载 ISO 镜像安装系统。

方法二：命令行

sudo virt-install \
  --name ubuntu-vm \
  --ram 4096 \
  --vcpus 2 \
  --disk path=/var/lib/libvirt/images/ubuntu-vm.qcow2,size=20 \
  --os-type linux \
  --os-variant ubuntu20.04 \
  --cdrom /path/to/ubuntu.iso \
  --network network=default \
  --graphics vnc
 

虚拟磁盘说明

KVM 默认使用 .qcow2 格式的虚拟磁盘（支持压缩、快照）。

配置文件路径

  • 虚拟机镜像：/var/lib/libvirt/images/

  • 网络配置：/etc/libvirt/qemu/networks/

  • 虚拟机 XML 配置：/etc/libvirt/qemu/

常用管理命令（命令行）

virsh list --all            # 列出所有虚拟机
virsh start ubuntu-vm       # 启动虚拟机
virsh shutdown ubuntu-vm    # 关闭虚拟机
virsh destroy ubuntu-vm     # 强制关闭虚拟机
virsh undefine ubuntu-vm    # 删除虚拟机配置（不会删除磁盘文件）

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.pswp.cn/bicheng/82725.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

(自用)Java学习-5.19(地址管理，三级联动，预支付)

(自用)Java学习-5.19(地址管理，三级联动，预支付)

1. 地址管理模块 地址展示 前端：通过 showAddress() 发起 Ajax GET 请求，动态渲染地址列表表格，使用 #{tag}、#{name} 等占位符替换真实数据。 后端： 控制器层调用 AddressService，通过 AddressMapper 查询用户地址数…
阅读更多...
Spring 循环依赖：从原理到解决方案的全面解析

Spring 循环依赖：从原理到解决方案的全面解析

Spring 循环依赖：从原理到解决方案的全面解析 一、循环依赖的定义与分类 1. 什么是循环依赖？ 在 Spring 框架中，循环依赖指的是多个 Bean 之间形成了依赖闭环。例如： Bean A 依赖 Bean BBean B 依赖 Bean CBean C 又依赖 Bean…
阅读更多...
n 阶矩阵 A 可逆的充分必要条件是 ∣ A ∣ ≠ 0

n 阶矩阵 A 可逆的充分必要条件是 ∣ A ∣ ≠ 0

n 阶矩阵 A 可逆的充分必要条件是 ∣ A ∣ ≠ 0 |A| \neq 0 ∣A∣0 的几何意义 1. 行列式的几何意义回顾 行列式 ∣ A ∣ |A| ∣A∣（或 det ⁡ ( A ) \det(A) det(A)）表示矩阵 A A A 所对应的线性变换对空间的体积缩放因子： ∣ A ∣ &…
阅读更多...
Rockey Linux 安装ffmpeg

Rockey Linux 安装ffmpeg

1.环境准备 Rockey linux 9.2 ffmpeg 静态资源包 这个是我自己的： https://download.csdn.net/download/liudongyang123/90920340https://download.csdn.net/download/liudongyang123/90920340 这个是官网的 Releases BtbN/FFmpeg-Builds GitHub 以上两个资…
阅读更多...
wordcount在集群上的测试

wordcount在集群上的测试

1.将louts.txt文件从cg计算机复制到master节点上面，存放在/usr/local/hadoop 需要输入密码：83953588abc scp /root/IdeaProjects/mapReduceTest/lotus.txt root172.18.0.2:/usr/local/hadoop /WordCountTest/input 2.将lotus.txt文件从master这台机器…
阅读更多...
AI+制造：中小企业的低成本智能化转型

AI+制造：中小企业的低成本智能化转型

文章内容过长，可以考虑直接跳转到文章末尾查看概要图 在制造业竞争日益激烈的今天，中小企业正面临着前所未有的挑战：人力成本持续攀升、能源消耗居高不下、质量控制难度增加。与此同时，数字化转型已成为行业共识，但高…
阅读更多...
Linux C/C++编程 —— 线程技术总结

Linux C/C++编程 —— 线程技术总结

一、线程基本概念 线程是进程内的一个执行单元，多个线程共享进程的资源（如内存、文件描述符等），但每个线程拥有自己的寄存器、栈等。与进程相比，线程的创建、切换开销较小，能更高效地利用 CPU 资源。 二、…
阅读更多...
Femap许可证与网络安全策略

Femap许可证与网络安全策略

随着科技的快速发展，网络安全问题已成为各行各业关注的焦点。在电磁仿真领域，Femap作为一款领先的软件，其许可证的安全性和网络策略的重要性不言而喻。本文将探讨Femap许可证与网络安全策略的关系，确保您的电磁仿真工作能够在一个…
阅读更多...
深度解析：SQLynx 如何筑牢数据库安全防线​

深度解析：SQLynx 如何筑牢数据库安全防线​

在数据驱动业务发展的时代，数据库作为企业核心资产的 “保险箱”，其安全性至关重要。一旦数据库遭遇攻击、数据泄露或被误操作，将给企业带来不可估量的损失。而 SQLynx 作为一款专注于数据库安全管理的工具，凭借其多项创新技术与功…
阅读更多...
更新时间相差8个小时

更新时间相差8个小时

下面的java代码在updateFill方法里面生成的modifiedTime时间是当前时间是正确的，为什么到service层testCommonFieldAutoUpdate方法里面去更新的时候modifiedTime就差8个小时呢？代码如下所示： Slf4j Component public class MpMetaObjectHand…
阅读更多...
Windows逆向工程提升之IMAGE_TLS_DIRECTORY

Windows逆向工程提升之IMAGE_TLS_DIRECTORY

公开视频 -> 链接点击跳转公开课程博客首页 -> ​​​链接点击跳转博客主页 目录 TLS的作用 TLS的实现 静态 TLS​​ 动态 TLS​​ 内部实现 回调机制 TLS Directory 的结构 TLS的作用 TLS (Thread Local Storage) 是一种用于为多线程应用程序提供线程独立存储空…
阅读更多...
云效流水线Flow使用记录

云效流水线Flow使用记录

概述 最近在频繁使用阿里云云效的几款产品，如流水线。之前写过一篇，参考云效流水线缓存问题。 这篇文章来记录更多问题。 环境变量 不管是云效流水线Flow还是应用交付AppStack（基于流水线，后文不再赘述）&#xff0…
阅读更多...
Android中获取控件尺寸进阶方案

Android中获取控件尺寸进阶方案

在Android开发中，很多场景都需要获取控件（View）的宽高信息，比如动态布局调整、动画效果实现等。然而，直接在Activity的onCreate()中调用控件的getWidth()或getHeight()`方法，得到结果却是0，因为控件还没完成布局测量。 本文总结了几种获取控件大小的实用方法，并对各方…
阅读更多...
android 输入系统

android 输入系统

一、输入系统的核心角色与分层架构 Android 输入系统的本质是桥梁：一端连接硬件驱动产生的原始事件，另一端将事件精准派发给应用窗口。整个过程涉及三层架构和多个关键组件，可类比为 “快递分拣系统”： 1. 硬件与内核层&#xf…
阅读更多...
ubuntu中，c和c+程序，预编译、编译、链接和运行命令

ubuntu中，c和c+程序，预编译、编译、链接和运行命令

目录 安装编译器一.c编译运行（粗暴简单）1.编写 C 程序：2. 预处理：3.编译：4. 汇编：5. 链接：6.运行 二.c编译运行（粗暴简单）1.编写 C 程序：2.预处理&#xff1a…
阅读更多...
【FastAPI】--2.进阶教程(一)

【FastAPI】--2.进阶教程(一)

【FastAPI】--基础教程-CSDN博客 app.get和post的参数： 参数类型说明pathstr路由路径（如 "/marks"），必填。response_modelType[T]定义响应数据的模型（如 percent），会自动校验和序列…
阅读更多...
KT6368A通过蓝牙芯片获取手机时间详细说明，对应串口指令举例

KT6368A通过蓝牙芯片获取手机时间详细说明，对应串口指令举例

一、功能简介 KT6368A双模蓝牙芯片支持连接手机，获取手机的日期、时间信息，可以同步RTC时钟 1、无需安装任何app，直接使用系统蓝牙即可实现 2、同时它不影响音频蓝牙，还支持一些简单的AT指令进行操作 3、实现的方式&#xff1…
阅读更多...
【平面波导外腔激光器专题系列】用于光纤传感的低噪声PLC外腔窄线宽激光器

【平面波导外腔激光器专题系列】用于光纤传感的低噪声PLC外腔窄线宽激光器

----翻译自Mazin Alalusi等人的文章 摘要 高性价比的 1550 nm DWDM平面外腔 &#xff08;PLANEX&#xff09; 激光器是干涉测量、布里渊、LIDAR 和其他光传感应用的最佳选择。其线宽<3kHz、低相位/频率噪声和极低的RIN。 简介 高性能光纤分布式传感技术是在过去几年中开发…
阅读更多...
企业微信内部网页开发流程笔记

企业微信内部网页开发流程笔记

背景 基于ai实现企微侧边栏和工作台快速问答小助&#xff0c;需要h5开发&#xff0c;因为流程不清楚摸索半天&#xff0c;所以记录一下 一、网页授权登录 1. 配置步骤 1.1 设置可信域名 登录企业微信管理后台 进入"应用管理" > 选择开发的具体应用 > “网…
阅读更多...
WORD 转 PDF 工具：排版 / 图片 / 表格批量转换提升办公效率

WORD 转 PDF 工具：排版 / 图片 / 表格批量转换提升办公效率

各位办公小能手们&#xff0c;今天来聊聊文档工具里的WORD转PDF工具&#xff01;这玩意儿到底是干啥的呢&#xff1f;咱来好好说道说道。 先说核心功能。第一个就是格式转换&#xff0c;能把Word文档转换成PDF&#xff0c;不管是格式、排版&#xff0c;还是图片、表格啥的&…
阅读更多...
最新文章

Copyright @ 2022~2023