【日積月累】 用deepseek三步做圖 1、用DS生成【html代碼格式的內(nèi)容】 2、將【html代碼格式的內(nèi)容】保存為后綴為 .html 的文件 3、用瀏覽器打開即可看到交互式餅狀圖

【AI驅(qū)動(dòng)】 使用Deepseek生成AI思維導(dǎo)圖/圖表的基本思路是： 1、向Deepseek等大模型輸入需求 2、大模型根據(jù)需求輸出結(jié)構(gòu)化、邏輯強(qiáng)的高質(zhì)量?jī)?nèi)容，且?guī)б欢ǜ袷剑鏜arkdown / Mermaid代碼 3、將帶格式的文本，通過(guò)渲染工具（如Xmind、Mermaid在線編輯器）生成思維導(dǎo)圖/圖表

【AI驅(qū)動(dòng)】 本文分為三小節(jié) 一、學(xué)習(xí)AI，為什么要了解Markdown和Mermaid 二、對(duì)兩者進(jìn)行基本介紹 三、說(shuō)明兩者的區(qū)別與關(guān)系

【AI驅(qū)動(dòng)】 行者AI視頻發(fā)布了一篇教程，展示了如何利用DeepSeek和哩布AI工具在短短三分鐘內(nèi)制作出哪吒2走秀視頻。文章首先介紹了通過(guò)DeepSeek生成走秀場(chǎng)景的AI繪畫提示詞，然后指導(dǎo)讀者在哩布官網(wǎng)使用預(yù)設(shè)的哪吒IP模型生成走秀圖片。接下來(lái)，使用可靈AI將圖片轉(zhuǎn)化為視頻，并進(jìn)行后期剪輯，添加背景音樂(lè)和調(diào)整節(jié)奏以完成最終作品。整個(gè)過(guò)程簡(jiǎn)便快捷，使得每個(gè)人都能成為內(nèi)容創(chuàng)作者，且DeepSeek在多個(gè)領(lǐng)域都能發(fā)揮巨大作用。文章最后提到，通過(guò)這些步驟，可以輕松制作出高質(zhì)量的視頻，并鼓勵(lì)讀者加入AI公開課分享群以獲取更多AI干貨。

【AI驅(qū)動(dòng)】 如何使用DeepSeek工具制作AI古詩(shī)詞視頻，以此在社交媒體上快速增粉。文章詳細(xì)拆解了視頻制作流程，包括利用DeepSeek生成古詩(shī)分鏡腳本、繪畫提示詞，使用即夢(mèng)AI工具根據(jù)提示詞生成圖片，并通過(guò)即夢(mèng)AI將圖片轉(zhuǎn)化為視頻。此外，還涉及了視頻配音和剪輯的步驟。文章還探討了此類視頻賬號(hào)的變現(xiàn)方法，如通過(guò)視頻平臺(tái)的創(chuàng)作者分成計(jì)劃、小紅書商單、櫥窗帶貨和定制課程等方式實(shí)現(xiàn)盈利。作者強(qiáng)調(diào)了AI工具在內(nèi)容創(chuàng)作中的普及和重要性，并提供了DeepSeek使用指南的領(lǐng)取方式。

【日積月累】 當(dāng) DeepSeek 發(fā)布其推理模型 DeepSeek-R1 時(shí)，AI 社區(qū)為之震動(dòng)。這個(gè)模型不僅在性能上媲美 OpenAI o1，更重要的是提供了詳細(xì)的技術(shù)報(bào)告，揭示了訓(xùn)練方法的關(guān)鍵步驟。然而，DeepSeek 雖然開源了模型權(quán)重，卻沒有公開訓(xùn)練數(shù)據(jù)和代碼。這種狀況促使 HuggingFace 團(tuán)隊(duì)啟動(dòng)了 Open-R1 項(xiàng)目，致力于系統(tǒng)性地重構(gòu) DeepSeek-R1 的訓(xùn)練流

【日積月累】 我們工作中有大量需要使用Office或WPS等辦公軟件，那有沒有什么辦法在上面集成DeepSeek呢？答案是肯定的！今天分享的這個(gè)方法那簡(jiǎn)直就是白嫖，只需要一個(gè)DeepSeek的API Key即可搞定。

【日積月累】 想要體驗(yàn)deepsee滿血版功能，推薦官網(wǎng)和硅基流動(dòng)，但需注意可能存在的卡頓問(wèn)題； 追求穩(wěn)定流暢的使用體驗(yàn)，納米搜索、秘塔AI搜索、超算互聯(lián)網(wǎng)、小藝和英偉達(dá)是不錯(cuò)的選擇；

【日積月累】 本文將提供兩種接入方案（直接調(diào)試和API服務(wù)），并包含VSCode特有配置技巧。

【日積月累】 本文介紹 DeepSeek-TS，該框架受到 DeepSeek 中高效的多頭潛在注意力（MLA）和群組相對(duì)策略優(yōu)化（GRPO）技術(shù)的啟發(fā)，并將其應(yīng)用于多產(chǎn)品時(shí)間序列預(yù)測(cè)。 這個(gè)的方法擴(kuò)展了 MLA，提出了 MLA-Mamba。MLA-Mamba 允許潛在特征通過(guò)具有非線性激活的狀態(tài)空間模型動(dòng)態(tài)演變，為模型提供自適應(yīng)記憶，使其能夠適應(yīng)趨勢(shì)變化。

【日積月累】 DeepSeek-R1 通過(guò)創(chuàng)新的訓(xùn)練策略實(shí)現(xiàn)了顯著的成本降低，同時(shí)保持了卓越的模型性能。本文將詳細(xì)分析其核心訓(xùn)練方法以及降低成本邏輯

【日積月累】 DeepSeek R1 的完整訓(xùn)練流程核心在于，在其基礎(chǔ)模型 DeepSeek V3 之上，運(yùn)用了多種強(qiáng)化學(xué)習(xí)策略。本文將從一個(gè)可本地運(yùn)行的基礎(chǔ)模型起步，并參照其技術(shù)報(bào)告，用PyTorch完全從零開始構(gòu)建 DeepSeek R1，理論結(jié)合實(shí)踐，逐步深入每個(gè)訓(xùn)練環(huán)節(jié)。通過(guò)可視化方式，由淺入深地解析 DeepSeek R1 的工作機(jī)制。

【日積月累】 Spring Boot是一個(gè)用于構(gòu)建高效服務(wù)的框架，提供了簡(jiǎn)化的項(xiàng)目配置和開發(fā)過(guò)程。在開發(fā)API時(shí)，Spring Boot通過(guò)注解和自動(dòng)配置功能，使開發(fā)者能夠快速建立強(qiáng)大而優(yōu)雅的接口。本文將介紹如何使用Spring Boot進(jìn)行API開發(fā)，并結(jié)合Swagger實(shí)現(xiàn)API文檔化，幫助開發(fā)者更好地構(gòu)建和維護(hù)項(xiàng)目中的RESTful服務(wù)。

【學(xué)習(xí)各類API】 本文詳細(xì)介紹了如何通過(guò)調(diào)用DeepSeek API，將其集成到項(xiàng)目中，從而實(shí)現(xiàn)智能問(wèn)答等功能。通過(guò)選擇適合的第三方平臺(tái)并使用Java代碼示例，用戶可以輕松掌握API的調(diào)用方法。此外，文章還提供了多個(gè)平臺(tái)的對(duì)比，幫助用戶根據(jù)需求選擇最優(yōu)方案。文章內(nèi)容豐富，覆蓋了從API密鑰獲取到實(shí)際應(yīng)用的完整流程。

【AI驅(qū)動(dòng)】 DeepSeek 開源周第一天，推出了名為 FlashMLA 的技術(shù)，該技術(shù)為 Hopper GPU 開發(fā)的高效 MLA 解碼內(nèi)核，專門針對(duì)可變長(zhǎng)度序列進(jìn)行了優(yōu)化，已投入生產(chǎn)。FlashMLA 使用后，H800 可達(dá)到 3000GB/s 內(nèi)存，實(shí)現(xiàn) 580TFLOPS 計(jì)算性能。MLA 是 DeepSeek 提出的創(chuàng)新注意力架構(gòu)，從 V2 開始，MLA 使得 DeepSeek 在系列模型中實(shí)現(xiàn)成本大幅降低，但計(jì)算、推理性能仍能與頂尖模型持平。此次發(fā)布的 FlashMLA 支持 BF16，分頁(yè) KV 緩存，塊大小為 64。環(huán)境要求為 Hopper GPU、CUDA 12.3 及以上版本、PyTorch 2.0 及以上版本。MLA 通過(guò)低秩聯(lián)合壓縮技術(shù)，將多頭注意力中的鍵（Key）和值（Value）矩陣投影到低維潛在空間，從而顯著減少鍵值緩存（KV Cache）的存儲(chǔ)需求。V2 版本中，顯存占用降到了過(guò)去最常用的 MHA 架構(gòu)的 5%-13%，推理成本僅為 Llama 370B 的 1/7、GPT-4 Turbo 的 1/70。V3 版本中，降本提速更為明顯。DeepSeek-R1 在 HuggingFace 上獲得了超過(guò) 10000 個(gè)贊，成為該平臺(tái)近 150 萬(wàn)個(gè)模型之中最受歡迎的大模型。