flunet中欧拉模型设置
大家好，欢迎参加本次关于 flowint 模拟仿真的分享。今天我们将深入探讨计算流体力学中两大核心方法，拉格朗日法和欧拉法。 这两种方法如同看待世界的两种不同视角，深刻影响着我们对流动现象的理解和模拟。本次分享将带您系统解析它们的区别联系，以及在 flowint 软件中的最佳实践。 本次分享将分为五个部分，首先我们将通过一个生动的比喻引入拉格朗日和欧拉这两种世界观，接着深入剖析他们的核心哲学和数学表达。 然后我们会聚焦于这两种方法在 fluid 软件中的具体实现和应用模型。之后我们会提供一个清晰的对比和选择指南。最后通过实际案例分析，帮助大家理解如何在实践中做出最佳选择。 让我们从一个简单的比喻开始，想像你站在河边研究水流，你有两种选择，第一种是像扔漂流瓶一样追踪每一个水质点的运动轨迹，这就是拉格朗日视角关注个体命运。 第二种是在河岸上建立固定的监测站，测量每个位置的水流状态。这两种截然不同的观察方式正是我们今天要讨论的核心。 接下来我们将进入第一部分，深入探讨拉格朗日法和欧拉法的核心哲学思想，以及它们背后的数学描述。理解这些基础理论是掌握后续 flow and tonic 的 关键。 首先来看拉格朗日法，它的核心思想非常直观，就是跟踪物质本身，而不是固定的空间。 想象一下我们给流场中的每个微小颗粒一个独特的标签，然后全程追踪它的运动轨迹和属性变化。在 fluid 中，这种思想最典型的应用就是离散项模型，也就是 d p m。 在 d p m 中，我们把流体看作背景，重点追踪那些离散的颗粒或液滴。 从数学上讲，拉格朗日法处理的是常微分方程，因为我们只需要关注单个置点随时间的变化， 这使得我们可以精确地记录每个颗粒的完整轨迹和经历。但这种方法的缺点也很明显，计算成本与颗粒数量直接挂钩，当颗粒非常多时，计算量会变得巨大，因此它最适合模拟颗粒浓度较低的稀疏相流动。 与拉格朗日法相反，欧拉法关注的是固定的空间。我们在空间中建立一个网格，就像布置了无数个监测站， 记录每个位置上流体的状态随时间的变化。我们不再追踪单个置点，而是统计通过每个点的流体通量。在负 o n 的 中，所有连续箱的求解都是基于欧拉框架的，甚至在处理多箱流时，也可以将颗粒箱拟流体化。用欧拉方法来描述 欧拉法的数学基础是偏微分方程，比如著名的那维斯托克斯方程，我们求解的是整个流场的宏观信息，得到的是速度场、压力场等分布。这种方法的计算成本主要由网格数量决定。 在处理多相流时，欧拉法通过引入体积分数的概念，巧妙地将不同相统一在同一个框架下进行求解，这就是欧拉欧拉模型的基础。 这里我们用一个表格来直观对比两者的核心区别，拉格朗日法关注个体，使用长微分方程，成本与粒子数相关，适用于稀书项，并能输出个体轨迹。 而欧拉法关注空间，使用偏微分方程，成本与网格数相关，适用于稠密项，输出的是宏观场分布。理解这些差异是选择正确模型的第一步 理论。了解清楚后，我们进入第二部分，看看这些理论在强大的 fluent 软件中是如何具体实现和应用的。我们将重点介绍离散项模型和欧拉多项流模型。 拉格朗日法在 fluid 中的化身就是离散相模型，简称 d p m。 它采用的是欧拉拉格朗日混合方法，流体用欧拉法，颗粒用拉格朗日法。它的关键假设是颗粒浓度比较低，对主流场影响不大。 但 d p m 功能非常强大，可以模拟颗粒的蒸发、燃烧、碰撞等一系列复杂的物理过程。 d p m 模型的应用非常广泛，例如在喷雾干燥塔中，我们可以用它来追踪每个液滴的干燥历程。在煤粉燃烧炉中模拟煤粉颗粒的燃烧过程， 在旋风分离器中分析不同颗粒的分离效率。这些都是典型的稀疏项流动问题，非常适合用 d p m 来解决。 接下来看欧拉法的家族多相流模型。 fluid 提供了三种主要的欧拉欧拉模型。 v o f 模型擅长捕捉清晰的流体界面，比如水面 mixture 模型是一种简化模型，计算效率较高。而尤里尔模型是最通用、最完整的，适用于颗粒浓度高、相互作用强烈的复杂系统。 这三种欧拉多项流模型各有专长， v o f 模型完美适用于像溃坝这样的自由表面流动问题。 mixture 模型可以用来模拟颗粒沉架， 而对于像硫化床这样颗粒浓度极高的复杂系统， uli 模型是唯一的选择，它能准确描述颗粒间的相互作用和宏观流动行为。 了解了两种方法的原理和应用后，第三部分我们将聚焦于如何在实际问题中做出正确的选择。我们将提供一个更详细的对比表和一个实用的决策树，帮助大家快速定位最适合的模型。 这张表格更详细地总结了 d p m 和 u l r n 模型的区别。从观察视角、控制方程、计算成本到适用浓度和信息输出，每一项都结实了它们各自的特点。 例如， d p m 能给出个体轨迹，但在高浓度下计算成本高昂。而 u l r n 模型能处理稠密项，但丢失了个体细节。物理真实性方面，两者也各有侧重。 为了让大家更直观地做出选择，我们设计了这个决策树。你可以按照问题一步步回答是否涉及多相流，是否需要追踪轨迹浓度高低，有无清晰界面。 通过这个流程，你可以快速定位到最适合的模型，无论是 d p m v o f mixture 还是 u l r n 模型， 理论和方法都清楚了。最后，我们通过两个实际案例来看看这些模型在复杂工程问题中的应用，以及一些最佳实践策略。 第一个案例是喷雾干燥塔，这种设备内部流畅复杂，既有高浓度区域，也有低浓度区域。最佳实践是采用混合建模策略，在喷嘴附近用欧拉模型，在塔体主体用 d p m 模型。 第二个案例是气固硫化床，这里颗粒浓度极高， d p m 完全无法胜任。唯一的选择就是使用带颗粒动理学理论的尤里瑞恩模型，它能准确描述颗粒间的相互作用。 最后总结一下，拉格朗日法就像一个个体主义者，关注每个粒子的命运，适合稀疏相，而欧拉法更像一个集体主义者，关注整体的宏观行为，适合稠密相。 在实际工作中，没有绝对最好的方法，只有最合适的选择。我们需要在物理真实性、计算成本和工程目标这三者之间找到最佳平衡点。
粉丝5544获赞2.0万
相关视频
13:09查看AI文稿AI文稿让我们像从前一样，蓝蓝 都不必说你总是 什么都不必说，你总是 让我们像从前一样，暖暖 都不必说，你总是。
40数值模拟小蜜蜂
00:38查看AI文稿AI文稿这个蓝凝胶啊，你们拿了以后捏捏捏捏，他就是比较粘性啊，捏完以后啊，就放在车后面就行了，粘上按一会就行了，这就粘住了 啊？这可以重复利用的这个蓝凝胶啊，越黏越黏。
03:03查看AI文稿AI文稿哎呀哦啊，细的好了，他是不能开门的，耳朵也不能收。 嗯，重，还挺重的。呃， 这些啥都不能开关，我呢就只是一个要悬浮的摆件。呃，这里有 usb， 可以插。 嗯，可以放 u 盘音乐，然后这个开关关了，应该就是 usb 的模式，开了就是蓝牙模式。蓝牙模式，但是呢， 这个轮胎是还丝滑，但是现在还不能让他学，就锯他只会吸上去。我找不到那个中心。 不行，很紧起来了，只能两个手轻轻放上去，一只手好像就是放不稳的。 报告地方菩萨不禁于妖灵天宫一切纵队说严主席不是较量功德轻重如当地听不会如说 看还好看。 最品鉴备集合冠军广大自信事故福利有如此貌百姓身高唐喜多广与仙佛堂庙 万千山中唐人转。 一直不行， 你来干嘛？丫头， 我来告诉你，谁最喜欢你。最喜欢你的人不一定是见到你就微笑的人，而是那个见到你时却装作若无其事。
26厨房小黑洞👁
07:07查看AI文稿AI文稿大家好，这期讲欧拉公式，在漫长的数学历史长河当中，诞生了无数美丽的数学公式，他们宛如一颗颗璀璨的明珠，光彩夺目，而只有他被称为上帝公式，他就是欧拉公式。那我们来看一下他有什么特别之处啊。 它的形式是这样的，一的 i x 次方等于 cosine x 加上 i 乘以三 x， 其中一是自然长数， i 是虚数沙眼， cosine 呢，是三角函数。当 x 等于派的时候啊，公式就变成了一的 ipi， 次方等于负一，这个就是欧拉横等式。 这个等式包含了自然长数、虚数、圆周率和自然数。每一个单拿出来啊，在数学史上都是非常炸裂的存在。而欧拉公式竟然以一种极其简洁的形式，轻描淡写般把他们 结合了在一起，在以简洁唯美的数学世界里啊，难怪他会被称为上帝公式吧。事实上，与欧拉公式相近的公式，在此之前就已经被发现了。其实这也不奇怪，我讲虚数的那期视频呢，也有推导到类似的结果啊， 例如一七零七年，法国数学家蒂莫福就发现了一个这样的公式， cosine x 加减 i 乘以三 x 的 n 次方，它是等于 cosine n x 加减 i 乘以三 n x 的。 又例如，一七一二年，英国数学家罗杰科特斯在研究螺旋线无常的时候呢，就得出了一个这样的公式， l n cosinex 加上 i 乘三 x 呢，它是等于 ix 的 啊，这里注意一下啊， l n 这个符号呢，是后来欧拉取的啊，是表示自然对数的意思。在此之前，数学家们呢，都是用别的方法去表示自然对数的啊，这里我为了大家好理解，直接就用 用了 l n 啊，包括虚数 i 也是后来欧拉给的符号，在此之前呢，虚数都被写作根号负一，我为了方便表达啊，也是直接用了 i 的啊。 这个公式呢，可以说是无限接近欧拉公式了，只要两边同时取一为底的指数操作就可以了。不过科特斯在一七一六年突然离世，这一结果呢，也从未正式发表过。接下来为了说明欧拉公式，我得先讲一下这个自然长数是什么啊？ 自然常数一，其实我们在高中的时候呢，就接触过了，他和 pi 一样，也是一个物理数来的，他约等于二点七一八二八。 自然长数又被称为欧拉数，但是欧拉数却不是欧拉发现的，是雅阁部博努力在研究存款复利的时候发现的。注意一下这里的博努力和流体力学的博努力啊，不是一个人， 流体力学的是丹尼尔博努力啊，他是雅格布的侄子。这里说明一啊，其实是有两个数学模型可以选的，一个呢，是一年之内无穷次存取 gc 啊，博努力用的就是这个。第二个呢，就是定期只存取一次啊，但是你可以存无穷多年， 不过不同年份的定期啊，就会对应到不同的利率，因为时间无穷细分这个事情对我来说呢，有点离谱啊，所以我这里用的就是第二个模型。 假如银行规定了一个这样的规则，存一年利率就是百分之一百，存两年利率就变成了百分之五十，也就是二分之一，存三年利率变为三分之一，而存 n 年呢，利率就变成 n 分之一， 复利的意思就是今年的本加息呢，会变成下一年的本啊。好，那么我们用一个具体的例子来说明啊，我有一块钱， 存一年之后，到手就是一加上一乘以百分百等于二。存两年，最后到手呢，就是一加上二分之一，加上一加上二分一，再乘以二分之一的，也就是一加二分一的二次方，等于二点二五。 存三年，最后到手的就是一加上三分之一的三次方，等于二点三七的，以此类推啊。存 n 年，最后呢，到手就是一加上 n 分之一的 n 次方。哎，这个时候好像发现存的越久，赚的就越多。如果我存无穷多年，那么本息会不会最后就是无穷多呢？ 不会，他只会无限趋向于二点七一八二八点点点点，对吧？甚至呢都到不了二点七二。我们可以画一个一加上 x 分之一的 x 次方的函数图像啊，可以明显看到，函数值到了二点七一左右啊， 就上不去了。欧拉在他后来的注册中多次引用到了这个数，并且给了他一个符号一，所以这个数也被后人叫做欧拉数了。这个自然长数有什么特别的地方呢啊，我们来看一下啊，假如有一个指数函数是以一为底的，也就是 y 等于一的 x 次方， 我们随便找一个点吧，例如 x 等于二，那它的函数值呢，就是一的平方，在这一个点的倒数，也就是切线的斜率，它也是一的平方。 函数曲线与 x 轴围成的面积呢，它也还是一的平方。放眼整个数学界，这个函数的特性啊，也是独一份的啊， 当然，三角函数三 x 啊，求两次导之后呢，会变成自己的相反数啊，这个特性倒是和 e 的 x 方啊有点类似，感觉这两个函数冥冥之中就是有关联的。当然，对复数领域和三角函数领域研究颇深的 欧拉也是这样认为的。一七四八年，欧拉发表了一篇名为无限研究导论的论文，里面就引用了蒂莫夫的公式啊， 我们来看一下啊，两式相加除以二，就得到了 cosine 的 n x。 两式相减除以二 i 就得到了 cyan 的 n x。 欧拉大胆的把 x 取了无穷小，于是呢，就有了三眼 x 是等价于 x 的，扣上 x 呢，是等价于一的啊，那么式子呢，就变成了这样， 然后再取 n 为无穷大，令到 n x 等于 k 啊，那么就有 x 呢，是等于 k 除以 n 的。最终的式子呢，又变成了这样。 哎，大家看，这不就是我们刚刚讲过复利的计算形式吗？这个其实就是一的 i k 次方，而这个呢，就是一的负 i k 次方， 所以最后 q 三 k 和三 k 呢，就变成了这样。哎，我们看这两个式子，拿二式乘以 i 再加上一式， 于是乎，我们就得到了欧拉公式的最终形式码， q 三 k 加 i 三 k。 之前讲虚数的时候就提到过，它可以在副屏面上表示旋转，所以呢， e 的 i k 四方也是一样的。 举个例子，五乘以一的 i 三分之拍次方，这个数表示了负平面上五为半径，逆时针旋转了六十度所在的位置。 又例如一个负数一加 i 化成负指数，形式是怎样的呢？在负平面上画出来一加 i 的点在这，它的半径就是根号二全过的角度刚刚好是四十五度，也就是四分之派。用三角函数表示呢，就是根号二乘以 扣上四分派，加上 i 乘以三四分派，也就是根号二乘以一的 i， 四分之派次方。好。至此，欧拉公式就跟三角函数和旋转关联了到一起。 你想想啊，复离液激素还得用沙哑和抠上两种函数做基底去分解，如果用一的 ic 塔次方去做基底的话呢，一个就够了。好了，这期讲到这，下期我们讲复离液变换在复数域的展开，我们下期见。
1628有趣的理工男
03:23查看AI文稿AI文稿codex 现在能直接接上奥了吗？本地开源模型也能跑进编程工作流里了？这个变化很关键，因为以前很多 ai 编程能力都绑在云端，想用就得付费，联网受限制。 现在不一样了，模型可以放在自己机器上， codex 负责把这套能力接近开发流程，成本和门槛儿一下就变了。 codex 本身不是普通聊天框，它更像一个面向软件开发的 ai 助手，能做构建、编辑、审查、发布。更绝的是，欧拉玛的作用也很明确，就是把开源模型搬到本地跑。 这样一来， codex 管工作流，欧拉玛管模型运行，两者一拼，开发者就能在同一个环境里完成。写代码、改代码、看结果。这整套动作真正有意思的是，它不只是能写代码， 本地模型接入后， codex 还能加载本地网站和本地服务器，直接在浏览器里看页面，页面哪里不对可以圈出来标出来，再通过聊天把修改意图传给模型。 也就是说，代码页面反馈不再是分开的三件事，而是连成了一个闭环。对前端和迭代开发来说，这种格式化写作会比纯文本问答顺手的 多。当然，路线也分两种，想省事可以用官方推荐的云端模型，但那通常要订阅。想真正把成本压下来，就自己用本机算力托管开源模型，再接到 codex、 jama、 q 问。这类模型都在这个范围里， 前提也很现实，先装 codex， 再装奥拉玛。而且要先看硬件够不够，因为本地 ai 不是 点一下就有，它吃的是 gpu、 内存和算力。 说到底，这次变化的意义不只是免费，而是把 ai 编程从租服务变成了用自己的机器做自己的助手。 在模型推荐上，先别盯着最强要先盯着能不能装得下。这里给出的方向很清楚，就问三点六和 jam 四，都属于适合本地部署的后选。也就是说，选模型不是拼参数面子，而是看机器能不能扛住。 更实用的做法是先把硬件摸清，再决定上哪个版本，判断这台电脑能跑什么。最直接的办法就是用康 i run、 ai locally 这类工具，把 gpu、 显存、内存、 cpu 核心数填进去，结果就不再是猜，能轻松跑，勉强可用，完全不适合。分得很明白， 这里的关键案例是 jam 四，先确认当前配置能跑，再选具体变体， e 二 b 更轻， e 四 b 更完整，但体积也更大，下载接近九点六 g b。 也就是说，本地部署不是零成本，只是把成本从订阅费换成了硬盘和等待时间。真正有意思的地方是把它接近 codex， 操作并不复杂，先让奥拉玛在后台跑起来，再启动 codex， 选择本地已经安装好的键盘四 e 四 b。 这里最关键的一点是，奥拉玛版本要在零点二四以上，不然联动会卡住。 联通之后， codex 还是那个 codex， 但底层推理已经换成本地模型了。换句话说，编码助手的界面还在付费， api 的 依赖却没了。最后的测试也很直接，让他去做一个前端 landing page。 这 这个任务不只是看能不能聊天，而是看它能不能真的产出页面结构、文案和设计感。结果是页面顺利生成，说明这套组合不是能启动而已，而是能干活。 真正值得注意的不是某个模型有多神，而是本地开源模型已经足够把很多日常编码任务接住了。 ai 最有价值的地方，往往不是替人做决定，而是把那些重复昂贵还不想交出去的工作安静的接过去。关注全球 ai 速递，获取更多 ai 前沿资讯！
103全球AI速递
02:43查看AI文稿AI文稿高中数学三大净数第一数就是拉格朗日乘数法，一旦碰到极限的难题，这门技巧就能展现出碾压级实力，让难题迎刃而解。来自意大利的天才学者拉格朗日，在欧拉牛顿的学术基础上，创 造出这一高考数学的救命绝技，还没能解开欧拉心中的学术心结，才能轻松破解高考数学中最难的对质压轴题。拉格朗日 乘数法也因此成了很多同学的提分题。只要掌握这个万能计算模型，我再强调一遍，只要学会，哪怕是高考中最棘手的最值题，也 谈笑间轻松秒杀。先看这道真题，大家可以暂停，自己试着做一做。我来给大家演示两种解法。第一种是传统解法，既然是压轴题，难度自然不低，常规思路不仅繁琐，还容易出错，不过大家肯定猜到要反转了。 后面我会用拉格朗日陈述法来秒杀这道题，先看看这种方法到底有多厉害。没错，这就是拉格朗日陈述法的解析过程，看似简单，只择暗藏玄机， 核心步骤就是构造拉格朗日函数和编导解方程组。这几步说起来容易，做起来却相当复杂，场面足以让很多同学望而却步。说实话，拉格朗日陈述法确实是解决这类压轴体的顶尖方法，但实际操作起来难度不小，这也是我一开始没预料到的。但作为常年分享提分技巧的博 主，我想说，这才是高考压轴体该有的难度，哪怕你掌握了科西、拉格朗日、泰勒这些高级方法，有时候也派不上用场，所以大家乖乖把视频看完， 真正的反转还在后边，可能有同学会犯间歇性偷懒，异想天开的说，能不能直接从步骤四开始，跳过前面复杂的构造和求编导，想一步登天走捷径是吧？还真可以，我懂你的心思，因为后面解放军组的步骤其实就是初一数学的难度，你想把高考最难的最值压轴题 转化成初一水平，不得不说，这个想法太天才了。接下来就是整个解体过程的高光时刻，大家看题目，若要求解体的最值条件又是那样，最关键的一步是什么？只要你能构造出这样一个式子， 直接转化成一元二次方程，求出方程的两个根，大的那个就是最大值，小的那个就是最小值，全程丝滑收尾，完美搞定。肯定有同学会问，这个关键式子到底怎么来的？我讲的细一点，确保大家能学会。第一步，看红色箭头标注的部分和当做减号，读出第一个关系式。第二步，看蓝色箭头标注的部分， 同样当做减号，得出第二个关系式。第三步，大家疑惑的二分之 q 其实就是中间 q 的 一半，只要弄懂这三步，后面的解题过程就像化学反应一样水到渠成。我们结合题目，利用这个技巧，一步就能得出关键式子。展开整理后，就是刚才大家想一步登天就能用到的一元二次方程，再套用求根公式，最大值和最小值瞬间出炉， 剩下的就是初二基础知识点，非常简单。看到这里，你是真的学会了吗？我特意留了四道题，大家可以课后练一练，看看自己是不是真的掌握了这个技巧够不够简单？最后我问大家一个问题，高考状元能在一个小时内做完数学试卷，还能考满分一百五十分，靠的是数学速度吗？现在大家应该懂了，靠的是别人不知道的高级挤题工具。我花了三年时间，从众多高级技巧中 最精华的五十多个录制成了视频课，名额有限，先到先得，想要的同学后台告诉我你的年级，高二高三就可以了。提醒一句，除非你是真的想逆天改命冲刺高峰，否则就不用来了。
53南大学长
01:12
01:20查看AI文稿AI文稿就是看这么一款小模型啊，长得跟小耗子似的啊，一款小车啊，来自拓逸的欧拉黑猫。其实这车这个模型刚上市的时候我看过啊，差不多能卖到四十大几块钱。哎呀，那会就觉得我四十多，虽然是喜欢模型，但你也不能是吧，这个 有再多钱你买两瓶可乐好不好啊，买它干嘛呀？结果是有一天在这个淘宝看见打折能卖到三十六七吧，三十七八块钱那样，然后所以买了一辆 啊，然后就给拆了分，看着玩一圈啊，三十多块钱，我觉得也就也就值这个价吧，虽然前后灯都是一独立件，但是个头真的不大啊。然后漆面倒挺可爱的，这个包括特意包括实车啊，有好多种漆面组合，这个我是挑的一款相对普通一点的漆面， 然后底盘呢，是一个金属的底盘，然后后边带一个内饰的刻画，也就这样。这个实车也开过一次啊，不到十万块钱，能够达到三百三的一个续航，然后各种配置啊，然后设计都感觉比较新颖，还是挺好玩的 这么一款模型可以看看，然后要真是三十小几的话，像三十小几十块钱，三三十，三十三十小几块钱的话，可以去尝试收一下啊。
33就叫我隔壁老王吧
07:55查看AI文稿AI文稿阿丁帮我们先说一下客户的需求，就是这是定的，那就是他的需求是啥？然后呢？徐总又做了啥？我们再不提的就是给某个单位啊，供了一台巴卡，不是这个 打卡四零九零的一台服务器，然后装一个七十币的模型，就是一个七十币的，我可以和公司沟通一下，应该是没问题，我以前装过，复杂的是要花很长时间啊，时间耽误的比较长，还有点麻烦，要花几天时间。 他那边用户的需求也在变，用户说那还要再装一个啥？昨天装那个啊，那千万是千万三那个模型，千万三那个东西昨天下午 应该到现在了啊，因为，因为现在是学堂版的文章发出来了，等于说我们简案是从昨天下午接的第二个需求到今天上午结束了啊，用户那边收到了，大概就这样一个过程，中间，中间这个时间大概是花了有三天时间吧，是吧？嗯，我们就对 我们看一下他的 tipsy 和千问，他在电脑上咋看得出来？是的啊，来看一下啊，他现在已经装的这个模型就是 两个模型，一个是千万的这八 b 的， 一个是 deepsea 的 七十 b 的 啊，这两个模型都都在啊，然后你要如如果想运行这模型能干啥呢？你，你可以，你两个不一样啊，一个是 deepsea， 可以 是直接兑换 它，这个模型呢，是你放在一个程序当中对它进行调用，比如说你这个程序， 嗯，需要有一个有一个对话的过程，那么你把你的文本丢给他，他给你输出一串那个文字，但是不能够直接对话，两个不一样，嗯，前文，前文是吧？对，你看 dsp 如果是本地的进行对话的话，你是可以，我给他搞了两个，一个是外部界面的，一个是本地的，本地的话就直接这样就可以了。 外部的，那不就是我们也能看吗？外部也可以看。 它系统多，用户的话每个用户都可以这样调，对不对？每个用户都可以调。它是装在什么系统上？装在 oppo 欧拉二二点零三上。哦， oppo 欧拉。嗯， 这个是启动命令行的。对对，启动一个命令行，它启动了以后你就可以对它进行。对，这是，这是命令行界面的啊， 你就相当于我们这个产品就是帮客户装，千万，帮客户装 deepsea 七十币的模型可以收费啊。这是因为我们要花时间帮你装的 啊。当然，但是你如果在我手里买个服务器，对吧？我可以用个促销手段。对对对，中文问他行吗？中文都可以啊。中文，他这个中文输入可能有问题，他系统上输入法对不对？ 你看，这这这，他，你好，有什么可以帮助你？嗯，他这七十匹的摩托车比较强的。提炼一下罗永浩，提炼一下罗振宇的跨年演讲的内容。嗯。 罗翔，罗振宇，嗯，罗永浩，罗永浩。对，那这是中文的输入和输出。 他现在就说罗振宇的那个跨年演讲的内容了，肯定那没有。他还没问他这个问题啊，你问他来回答他。嗯， 那他这个是属于本地的了，本地，他没有，没有联网，就本地的，就本地，然后我还给他搞了 web 界面， web 界面是这个样子的话，他就是为了要本地的，他不想上到云端。就是，很多。导师不是搞计算的吗？ 搞科研吗？甚至军功社稷。从 ip 登录到他的外边。对，登到他的服务器上，登到他的服务器上。徐总啥时候能能把我们公司所有的材料给他上传到这个本地部署一套这个让他能够问答一下。这个，这，这个把他 攻克一下啊。我靠，净给我添添外边，哈哈哈哈。外边在这里，外边在这里。他，他没联网对吧？他需要那个，需要 注册一个账号。我，我不想注册啊，要注册注册个管理员账号。嗯，他们现在没用，对不对？还没用。没用 七十币，他是用几块卡？他用八块卡，但是我看的每次只需要两块卡啊，跑起来只需要两块，他是两块。那个 四零九零啊，四零九零，四零九零，他是四十八 g 的， 四十八 g 的 显出七十币跑就够了。对，因为单块的话可以不出三十二币的啊。怪不得我每次跑的时候就看，哎，怎么这两他是自动调用的？那他有可能会用到用满卡了， 要买卡的话那就不说了，更大的问题也不行，也也也跑不了。我每次跑的时候在旁边看，每次都是跑了两个卡显存，跑满显存，跑满显存。八块卡显存。 他实际他应该是有个自动调的千万的，那个嵌入式的，跟这个 d c 卡真不一样。千万的，我每次输的时候他给你输出一串数字，他是放在你的程序当中，这样的。千万的，你看千万的， 千万千万的，他不一样。千万三，他得，你看他，他就不能用兑换模式，他是用这种模式，你给他输一个， 他给你输出很多的。这个头肯这这种。嗯，这是放在程序当中，他是掉的这个，这个其实翻译过来就两个字啊？去去去，翻译，那他没他这种翻译出来没？没有翻译，他不支持对话模式，就是你要放在拍的当中去 作为一个模块再把它解析出来，是吧？解析出来啊？他不是直接用，他没有做这种接口， 他他是，呃，不是千万张，他是他这种模型叫做牵手式模型， 叫 in bending， in bending 其实相当于一个插件一样插件，对，然后你只用你问的问题，他只丢给一个半成品的结果给你，你怎么把这个结果解？按照你的，按照你的框架给它解析出来。是是是，这还记着，结果都有，不过它的大小你可以看得到啊。 一个七十 b 的 大小是多大？一个 deepsea 七十 b 的 大小是四十二 gb and 比亚迪八 b 呢？是四点七 gb。 哦，那小很多，这模型小很多，它整个模型是四十多 g。 对， 光这个模型下了，下了一夜， 这个其实没是吧？抄了在里面就跑了一夜才下来了。他，他下载的时候你不用干涉吧？他慢慢下就完了，对吧？慢慢下你能看得见？你说那个 inblen 四个 g， 就是 说千万，对，对，千万的叫啊？ inblenblenblen 呢？就是切入式的模型， 切入也有对话的模型，但他要的一个文本的切入式模型，两个模型就一样。 也可以啊，也可以，哈哈哈，我们不拒 绝。
01:11
00:51查看AI文稿AI文稿折腾龙虾的小伙伴，不要再用本地部署的大模型了，效果真的不太大。我知道大家想部署本地的大语言模型，主要是想使用免费的 talkin， 但是我这张四零七零 s 显卡十二 gb 的 显存，前前后后大概使用了六七个大模型，但是效果真的是不太怎么好如嗯，如果说你是通过这个欧拉玛直接使用大模型的话，还能够对大入流，但是放在小龙虾上面 真的不住呃，不尽人意。所以说我还是建议大家，如果说你的显卡型号比较低的话，还是使用直接使用调用这个 api， 效果是真的不错，就像换了一个人似的，这个人工智能 一下就像有了灵魂一样。所以说我还是建议大家，如果说配置不怎么高的话，还是直接使用呃， api。
25淬羽科技
