kortix-ai/suna at v1 

一、最新版本号 V1 

 

 

二、部署截图

 本地开发环境仍然依赖于 Poetry 环境:

(Python>=3.11,<3.13)

 

 创建本地 Poetry 虚拟环境

Python 多版本环境治理理念驱动的系统架构设计:三维治理、四级隔离、五项自治 原则-CSDN博客 

【终极实战】Conda/Poetry/Virtualenv/Pipenv/Hatch 多工具协同 + Anaconda×PyCharm:构建 Python 全版本栈隔离体系与虚拟环境自动化管理指南-CSDN博客 

使用命令行创建项目本地的 Poetry 虚拟环境实战演示 —— 基于《Python 多版本与开发环境治理架构设计》的最佳实践-CSDN博客 

# 1、交互式生成项目配置文件pyproject.toml
"D:\ProgramData\anaconda3\envs\python311\Scripts\poetry.exe" init# 2、强制使用 Conda Python 版本环境中的Python 3.11创建虚拟环境
poetry env use "D:\ProgramData\anaconda3\envs\python311\python.exe"# 3、激活Windows系统下的本地虚拟环境
.venv\Scripts\activate# 4、在虚拟环境中安装Poetry,实现工具链本地化
pip install poetry# 5、在虚拟环境中验证工具链的本地化
python -V
where python
poetry -V
where poetry

 

开始部署

python setup.py '--admin'

 

 

 

 

三、完整日志记录 

Docker 构建改用UV 加速: 

Microsoft Windows [Version 10.0.27891.1000]
(c) Microsoft Corporation. All rights reserved.(suna-py3.11) F:\PythonProjects\suna>python setup.py '--admin'███████╗██╗   ██╗███╗   ██╗ █████╗ ██╔════╝██║   ██║████╗  ██║██╔══██╗███████╗██║   ██║██╔██╗ ██║███████║╚════██║██║   ██║██║╚██╗██║██╔══██║███████║╚██████╔╝██║ ╚████║██║  ██║╚══════╝ ╚═════╝ ╚═╝  ╚═══╝╚═╝  ╚═╝Installation WizardThis wizard will guide you through setting up Suna, an open-source generalist AI agent.ℹ️  Current configuration status:✓ Supabase✓ Daytona✓ LLM (Openrouter)✓ Search APIs✓ RapidAPI (optional)✓ Smithery (optional)✓ QStash & Webhooks✓ MCP encryption keyStep 14/14: Starting Suna
==================================================ℹ️  Starting Suna with Docker Compose...
[+] Running 19/19✔ rabbitmq Pulled                                                                                                                 9.6s ✔ c11385cfddca Pull complete                                                                                                    1.2s ✔ b08e2ff4391e Pull complete                                                                                                    3.1s ✔ df65927f37a8 Pull complete                                                                                                    1.2s ✔ 7a50da602dc1 Pull complete                                                                                                    4.4s ✔ 649069e80308 Pull complete                                                                                                    1.2s ✔ e07387d31093 Pull complete                                                                                                    1.2s ✔ c5443e20a68a Pull complete                                                                                                    4.2s ✔ 10bc06b492f2 Pull complete                                                                                                    4.1s ✔ 0d4a02cfe928 Pull complete                                                                                                    1.1s ✔ redis Pulled                                                                                                                    8.6s ✔ 01864c5b87b0 Pull complete                                                                                                    0.9s ✔ 01e29ec495fd Pull complete                                                                                                    2.8s ✔ f18232174bc9 Pull complete                                                                                                    2.6s ✔ 4f4fb700ef54 Pull complete                                                                                                    0.0s ✔ 38910b7e0e43 Pull complete                                                                                                    1.1s ✔ 8ea5afed640f Pull complete                                                                                                    2.7s ✔ 10753f8102ef Pull complete                                                                                                    1.2s ✔ 0ef5583b6c0f Pull complete                                                                                                    2.1s 
[+] Building 2262.6s (28/28) FINISHED                                                                                                   => [internal] load local bake definitions                                                                                         0.0s=> => reading from stdin 1.09kB                                                                                                   0.0s=> [worker internal] load build definition from Dockerfile                                                                        0.1s=> => transferring dockerfile: 1.12kB                                                                                             0.0s=> [frontend internal] load build definition from Dockerfile                                                                      0.1s=> => transferring dockerfile: 704B                                                                                               0.0s=> [worker internal] load metadata for ghcr.io/astral-sh/uv:python3.11-alpine                                                     3.8s=> [frontend internal] load metadata for docker.io/library/node:20-slim                                                           5.8s=> [backend internal] load .dockerignore                                                                                          0.0s=> => transferring context: 1.48kB                                                                                                0.0s=> [worker stage-0 1/6] FROM ghcr.io/astral-sh/uv:python3.11-alpine@sha256:03f28e0c1ffc6dd8061a4e79c890bfd0441fb9ec1d648ce8ad5  196.5s=> => resolve ghcr.io/astral-sh/uv:python3.11-alpine@sha256:03f28e0c1ffc6dd8061a4e79c890bfd0441fb9ec1d648ce8ad5abfcaaa68789a      0.0s=> => sha256:87ce2dd1364746255f7cd8c3e234b9fc0d3b2f9d43c3598b13f1a961b33771fd 18.86MB / 18.86MB                                 196.2s => => sha256:001a982bd46375c72e605501ad0cc9e18d462f1a1acceab0ffb36efd6ac311b7 249B / 249B                                         1.8s=> => sha256:7f6e5b96bd814093e9e436fd11f5b83f83280688d0290f87954800b3a89196dd 16.23MB / 16.23MB                                  69.3s => => sha256:6760217c9b2110cfef8eec91415fd408ce564ab368e483924d4cb963e37b31cf 460.22kB / 460.22kB                                29.9s => => sha256:fe07684b16b82247c3539ed86a65ff37a76138ec25d380bd80c869a1a4c73236 3.80MB / 3.80MB                                   118.5s=> => extracting sha256:fe07684b16b82247c3539ed86a65ff37a76138ec25d380bd80c869a1a4c73236                                          0.1s => => extracting sha256:6760217c9b2110cfef8eec91415fd408ce564ab368e483924d4cb963e37b31cf                                          0.1s => => extracting sha256:7f6e5b96bd814093e9e436fd11f5b83f83280688d0290f87954800b3a89196dd                                          0.2s=> => extracting sha256:001a982bd46375c72e605501ad0cc9e18d462f1a1acceab0ffb36efd6ac311b7                                          0.0s=> => extracting sha256:87ce2dd1364746255f7cd8c3e234b9fc0d3b2f9d43c3598b13f1a961b33771fd                                          0.1s => [backend internal] load build context                                                                                          0.1s => => transferring context: 2.93MB                                                                                                0.0s=> [frontend internal] load .dockerignore                                                                                         0.0s=> => transferring context: 2B                                                                                                    0.0s=> [frontend 1/7] FROM docker.io/library/node:20-slim@sha256:83a6968f0aff91f162545cd20692787e650918fd761ab5ef4d40b542ec173ca9     6.5s=> => resolve docker.io/library/node:20-slim@sha256:83a6968f0aff91f162545cd20692787e650918fd761ab5ef4d40b542ec173ca9              0.0s=> => sha256:85252198c2faa1d5f1439ad7eae0720f6d9f5e8e6b11e0322d755a67b435d830 447B / 447B                                         0.5s => => sha256:3037dc438bf729105c6e7d59e05191f99b1a32d6ffa572306440f21cb88fcf91 1.71MB / 1.71MB                                     2.1s => => sha256:a3d69bb7d021f8e22f909046fab555624f243288ee8b39cd545639fc9b7d8728 41.20MB / 41.20MB                                   5.8s => => sha256:9cb87e66cf8010a0b027072a0c884f6664180c81e625515e93f5e22cd04fec17 3.31kB / 3.31kB                                     1.0s => => sha256:3da95a905ed546f99c4564407923a681757d89651a388ec3f1f5e9bf5ed0b39d 28.23MB / 28.23MB                                   3.0s => => extracting sha256:3da95a905ed546f99c4564407923a681757d89651a388ec3f1f5e9bf5ed0b39d                                          0.3s => => extracting sha256:9cb87e66cf8010a0b027072a0c884f6664180c81e625515e93f5e22cd04fec17                                          0.0s => => extracting sha256:a3d69bb7d021f8e22f909046fab555624f243288ee8b39cd545639fc9b7d8728                                          0.4s => => extracting sha256:3037dc438bf729105c6e7d59e05191f99b1a32d6ffa572306440f21cb88fcf91                                          0.0s=> => extracting sha256:85252198c2faa1d5f1439ad7eae0720f6d9f5e8e6b11e0322d755a67b435d830                                          0.0s => [frontend internal] load build context                                                                                         0.3s=> => transferring context: 16.19MB                                                                                               0.2s=> [frontend 2/7] WORKDIR /app                                                                                                    0.2s=> [frontend 3/7] COPY package*.json ./                                                                                           0.1s=> [frontend 4/7] RUN apt-get update && apt-get install -y --no-install-recommends     python3     make     g++     build-ess  2076.6s=> [worker stage-0 2/6] WORKDIR /app                                                                                              0.0s=> [backend stage-0 3/6] RUN apk add --no-cache curl                                                                            326.2s=> [worker stage-0 4/6] COPY pyproject.toml uv.lock ./                                                                            0.1s=> [worker stage-0 5/6] RUN --mount=type=cache,target=/root/.cache/uv uv sync --locked --quiet                                 1420.8s=> [backend stage-0 6/6] COPY . .                                                                                                 0.2s=> [backend] exporting to image                                                                                                   8.9s=> => exporting layers                                                                                                            6.5s=> => exporting manifest sha256:66001f690cfcc66059740db76b71eed36166e7869aabcaa9dc4656ddc9079a9c                                  0.7s => => exporting config sha256:b08465c2a23e98966285d8f8ffb7ba6e8804e0103d4eb721f0ee48f713b8e96b                                    0.0s=> => exporting attestation manifest sha256:344b5ebfb0e11e6b06f6307a7b9e68c30ea7747eb844c7abf56bd41b636d14dd                      0.0s => => exporting manifest list sha256:541e1052e04d9d33a8f3257e4676d497aade554fd43585c4b93728bbc4170a66                             0.0s => => naming to ghcr.io/suna-ai/suna-backend:latest                                                                               0.0s => => unpacking to ghcr.io/suna-ai/suna-backend:latest                                                                            1.6s => [worker] exporting to image                                                                                                    8.9s => => exporting layers                                                                                                            6.5s=> => exporting manifest sha256:66001f690cfcc66059740db76b71eed36166e7869aabcaa9dc4656ddc9079a9c                                  0.7s=> => exporting config sha256:b08465c2a23e98966285d8f8ffb7ba6e8804e0103d4eb721f0ee48f713b8e96b                                    0.0s => => exporting attestation manifest sha256:79d4e29650072d5751cfe0565e43488867efb17976e6cb9ea38135a07451caaa                      0.0s=> => exporting manifest list sha256:b31ed693161932d5936e8b4ac30ec944212974f0b37108d687438658c2293dce                             0.0s=> => naming to ghcr.io/suna-ai/suna-backend:latest                                                                               0.0s => => unpacking to ghcr.io/suna-ai/suna-backend:latest                                                                            1.7s=> [backend] resolving provenance for metadata file                                                                               0.0s => [worker] resolving provenance for metadata file                                                                                0.0s => [frontend 5/7] RUN npm install                                                                                                59.2s => [frontend 6/7] COPY . .                                                                                                        0.5s => [frontend 7/7] RUN npm run build                                                                                              78.7s => [frontend] exporting to image                                                                                                 33.9s => => exporting layers                                                                                                           22.9s => => exporting manifest sha256:3c382f95cefe6a787760dfd5280bb1ee3e47f805568a816fefc1f348797f9586                                  0.0s => => exporting config sha256:fffb75079dede2a1892c7b513fb3f69e682e3718c29f6e3c60a7cd868d55ca04                                    0.0s => => exporting attestation manifest sha256:b6c6903ae11636e6fc127751e8a34b5119b53237d5d7498aa753361f396135d2                      0.0s => => exporting manifest list sha256:30f16fde7a1839a6b92741317ad21c603d8fd3a22d9bdc2e1a6fcf8526ab6599                             0.0s => => naming to docker.io/library/suna-frontend:latest                                                                            0.0s => => unpacking to docker.io/library/suna-frontend:latest                                                                        10.9s => [frontend] resolving provenance for metadata file                                                                              0.0s 
[+] Running 11/11                                                                                                                       ✔ worker                       Built                                                                                              0.0s ✔ backend                      Built                                                                                              0.0s ✔ frontend                     Built                                                                                              0.0s ✔ Network suna_default         Created                                                                                            0.4s ✔ Volume "suna_rabbitmq_data"  Created                                                                                            0.0s ✔ Volume "suna_redis_data"     Created                                                                                            0.0s ✔ Container suna-redis-1       Healthy                                                                                           14.3s ✔ Container suna-rabbitmq-1    Healthy                                                                                           14.3s ✔ Container suna-worker-1      Started                                                                                           12.6s ✔ Container suna-backend-1     Started                                                                                           13.9s ✔ Container suna-frontend-1    Started                                                                                           14.7s 
ℹ️  Waiting for services to spin up...
✅  Suna services are starting up!✨ Suna Setup Complete! ✨ℹ️  Suna is configured to use openrouter/google/gemini-flash-1.5 as the default LLM.
ℹ️  Delete the .setup_progress file to reset the setup.
ℹ️  Your Suna instance is ready to use!Useful Docker commands:docker compose ps         - Check service statusdocker compose logs -f    - Follow logsdocker compose down       - Stop Suna servicespython start.py           - To start or stop Suna servicesOnce all services are running, access Suna at: http://localhost:3000(suna-py3.11) F:\PythonProjects\suna>

使用示例 

 

 

 

四、新旧版部署区别

新旧版 SUNA 部署流程核心区别对比

(一)部署架构:从 “本地环境依赖” 到 “容器化微服务”

维度旧版部署流程新版部署流程
核心架构依赖 Windows 本地环境,组件(后端、前端、图形库)直接运行在宿主系统,通过本地路径和环境变量关联基于 Docker 容器化微服务架构,拆分为独立容器:backend(后端)、frontend(前端)、worker(任务处理)及支撑服务(redis 缓存、rabbitmq 消息队列),通过 Docker 网络通信
环境隔离性依赖本地环境配置(如 Conda 虚拟环境、MSYS2 路径),组件间依赖易冲突容器间完全隔离,数据通过 Docker Volume(rabbitmq_dataredis_data)持久化,避免宿主环境干扰
跨平台兼容性强依赖 Windows 系统工具(如 MSYS2 GTK、NSSM 服务),移植性差基于 Docker 镜像,理论上可在支持 Docker 的任何系统(Windows/macOS/Linux)部署,兼容性显著提升

 

(二)依赖管理工具链:从 Poetry 到 uv 的效率升级

维度旧版部署流程新版部署流程
核心工具依赖 Poetry 管理 Python 依赖改用 uv(Rust 编写的快速包管理器)
关键操作日志poetry install poetry lockuv sync --locked uv venv
核心优势功能全面(环境隔离 + 依赖锁定 + 打包),适合本地开发中频繁调整依赖速度更快(依赖解析 / 安装效率提升 3-5 倍),通过 --locked 确保依赖一致性,适配容器化构建场景
适用场景本地开发调试(需手动关联 Conda 环境与 PyCharm)Docker 镜像构建(自动化依赖同步,无需本地工具链)
兼容性需手动解决与 GTK 等系统库的路径冲突(如 LD_LIBRARY_PATH 配置)依赖通过 Docker 镜像内置(如 ghcr.io/astral-sh/uv:python3.11-alpine 预配置环境),冲突风险低

 

(三)镜像构建策略:从 “全本地构建” 到 “预拉取 + 部分构建”

维度旧版部署流程新版部署流程
基础设施镜像本地构建 Redis/RabbitMQ 等支撑服务(Built直接拉取官方预构建镜像(Pulled):
✔ rabbitmq Pulled
✔ redis Pulled
核心服务镜像本地从零构建后端 / 前端镜像(依赖 MSYS2 编译 GTK 等组件)复用仓库预构建镜像(ghcr.io/suna-ai/suna-backend:latest),仅前端需本地构建(node:20-slim 基础镜像)
构建耗时较长(全量本地编译,含系统级依赖,约 20-30 分钟)较短(预拉取镜像占比高,仅前端 npm install 和 build 耗时,约 5-10 分钟)
网络依赖依赖本地工具链(如 MSYS2 pacman 源、PyPI),易受网络波动影响依赖 Docker 镜像仓库,通过镜像缓存机制减少重复下载

 

(四)部署步骤与配置项:从 “手动分步” 到 “自动化向导 + 功能扩展”

维度旧版部署流程新版部署流程
流程驱动方式手动分步执行(创建环境→安装依赖→配置 GTK 路径→启动服务),需用户干预路径和环境变量全自动化安装向导(python setup.py '--admin'),自动检测配置状态(如 ✔ Supabase ✔ LLM)、构建容器、验证健康状态
总步骤数8 步(基础环境检测 + 核心依赖安装)14 步(细分配置环节,覆盖更多扩展功能)
新增配置项新增 3 类可选企业级配置:
✔ Smithery (optional)(工具集成平台)
✔ QStash & Webhooks(消息队列 / 定时任务)
✔ MCP encryption key(数据加密)
用户门槛需理解环境变量(如 GTK_PATH)、依赖冲突解决(如 PyGObject 版本)零手动配置,仅需等待自动化流程完成,适合非专业运维人员

 

(五)启动与管理方式:从 “本地进程” 到 “Docker Compose 生命周期管理”

维度旧版部署流程新版部署流程
启动方式本地运行 Python 脚本(如 python -m suna.gui.main),或通过 NSSM 注册为 Windows 服务Docker Compose 统一管理(docker compose up),封装为简化脚本 python start.py(支持启动 / 停止)
服务状态监控需通过任务管理器或日志文件查看进程状态,分散且不直观统一通过 docker compose ps 查看容器状态,docker compose logs -f 实时跟踪所有服务日志
生命周期管理服务启停依赖本地进程 ID(PID),易误操作容器化隔离,支持单服务重启(docker compose restart backend)和全量启停(docker compose down

 

 

五、总结:新版部署的核心优化方向

  1. 架构升级:从 “本地环境绑定” 到 “容器化微服务”,提升隔离性、可移植性和扩展性,更贴近生产级部署标准。
  2. 效率提升uv 替代 Poetry 加速依赖安装,预拉取镜像减少本地构建耗时,适配 CI/CD 流水线和频繁部署场景。
  3. 功能扩展:新增 Smithery、QStash 等配置项,支持工具集成、消息队列和数据加密,适配复杂业务场景。
  4. 易用性优化:全自动化向导 + Docker Compose 脚本封装,降低操作门槛,无需用户掌握 Docker 或系统配置细节。
  5. API KEY 管理优化:新版对 API KEY 的管理优化,本质是为了适配 “扩展功能增多” 和 “生产级稳定性” 需求,同时也意味着新版对 API KEY 的要求更为严格(可能获取困难或产生费用)。

整体来看,新版部署流程在保留旧版核心功能的基础上,通过容器化和自动化实现了 “效率、兼容性、扩展性” 的三重升级,同时兼顾本地开发灵活性(仍支持 Poetry 环境)和生产部署规范性。

 


六、旧版部署参考资料

 Poetry + GTK + API KEY

【笔记】开源通用人工智能代理 Suna 部署全流程准备清单(Windows 系统)-CSDN博客 

【AI Agent 项目 SUNA 部署】Windows 全版本 GTK 兼容与部署最佳实践(兼顾 Frontend 前端 和 Backend 后端 顺利部署)-CSDN博客 

【笔记】AI Agent 项目 SUNA 部署 之 Docker 构建记录_suna docker部署-CSDN博客 

…… 

更多 SUNA 部署实战参考资料请参见往期笔记或免费专栏!

Windows 部署 AI Agent - Suna

 

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/88261.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/88261.shtml
英文地址,请注明出处:http://en.pswp.cn/bicheng/88261.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

NumPy-梯度与导数计算详解

NumPy-梯度与导数计算详解一、梯度与导数的基本概念1. 导数的定义2. 梯度的定义二、NumPy中的梯度计算函数&#xff1a;np.gradient()1. 函数语法2. 一维数组的梯度计算3. 多维数组的梯度计算三、基于梯度的导数近似方法1. 前向差分2. 中心差分四、实际应用场景1. 函数优化2. 数…

Redis架构安全

先学习&#xff1a;Redis架构简介-CSDN博客 Redis压测 Redis一般应用于高并发的场景&#xff0c;所以一定要对Redis的性能做压测。 Redis提供了压测脚本redis-benchmark&#xff0c;可以对Redis进行快速的基准测试。 # 20个线程&#xff0c;100W个请求&#xff0c;测试redi…

自动化Trae Apollo参数解释的批量获取

自动化Trae Apollo参数解释的批量获取一、背景介绍二、设计思路三、操作步骤1. 环境准备2. 获取界面坐标3. 定位关键元素4. 执行自动化查询5. 获取结果四、完整代码五、扩展应用一、背景介绍 在自动驾驶开发中&#xff0c;百度Apollo平台提供了大量参数用于调整系统行为。Trae…

数学模型:十大距离

十大距离 文章目录十大距离定义1. 欧氏距离&#xff08;Euclidean Distance&#xff09;2. 曼哈顿距离&#xff08;Manhattan Distance&#xff09;3. 切比雪夫距离&#xff08;Chebyshev Distance&#xff09;4. 闵可夫斯基距离&#xff08;Minkowski Distance&#xff09;5. …

流水线(Jenkins)打包拉取依赖的时候提示无法拉取,需要登录私仓的解决办法

在日常工作中&#xff0c;遇到了Jenkins拉取部门内部组件库失败的情况&#xff0c;原因是组件库后面放到了阿里云私仓&#xff0c;并且是没有公开的&#xff0c;所以就会有如下提示的&#xff0c;一开始我实在.npmrc文件写死阿里云提供的接入token&#xff0c;后面发现可能是因…

操作系统王道考研习题

1.1.4本节习题精选 一、单项选择题 01&#xff0e;操作系统是对(&#xff09;进行管理的软件。 A.软件 B.硬件 C.计算机资源 D.应用程序 01.c 操作系统管理计算机的硬件和软件资源&#xff0c;这些资源统称为计算机资源。注意&#xff0c;操作系统不仅管理处理机、存储器等硬件…

C语言extern的用法(非常详细,通俗易懂)

以往我们都是将所有的代码写到一个源文件里面&#xff0c;对于小程序&#xff0c;代码不过几百行&#xff0c;这或许无可厚非&#xff0c;但当程序膨胀代码到几千行甚至上万行后&#xff0c;就应该考虑将代码分散到多个文件中&#xff0c;否则代码的阅读和维护将成为一件痛苦的…

Git【开源分布式版本控制工具】安装-配置-常用指令-Git远程仓库-IDEA使用Git

参考博客&#xff1a;Git&#xff08;分布式版本控制工具&#xff09;_为什么哔哩哔哩有些视频没有字幕-CSDN博客 Git就是一个类似于百度云盘的仓库&#xff1b;重点是要掌握使用idea操作Git&#xff0c;企业用的最多&#xff0c;一般不会去使用命令 Git通过不断阶段保存文件…

JavaScript数组键值去重方法

使用 filter 和 Map 根据键值去重我来详细解释方法2&#xff0c;这是一种高效且简洁的数组去重方法&#xff0c;特别适合根据对象中的某个键值进行去重操作。完整代码function uniqueByKey(arr, key) {return [...new Map(arr.map(item > [item[key], item])).values()]; }分…

【机器学习笔记Ⅰ】9 特征缩放

特征缩放&#xff08;Feature Scaling&#xff09;详解 特征缩放是机器学习数据预处理的关键步骤&#xff0c;旨在将不同特征的数值范围统一到相近的尺度&#xff0c;从而加速模型训练、提升性能并避免某些特征主导模型。1. 为什么需要特征缩放&#xff1f; (1) 问题背景 量纲不…

10.9 大模型训练数据优化实战:3步让准确率从68%飙升至79%

大模型训练过程分析与数据优化 一、训练过程关键指标分析 (插入mermaid流程图:训练过程监控与优化闭环) #mermaid-svg-Gni031LkHA93fQYM {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-Gni031LkHA93fQYM .erro…

深度学习模型在C++平台的部署

一、概述深度学习模型能够在各种生产场景中发挥重要的作用&#xff0c;而深度学习模型往往在Python环境下完成训练&#xff0c;因而训练好的模型如何在生产环境下实现稳定可靠的部署&#xff0c;便是一个重要内容。C开发平台广泛存在于各种复杂的生产环境&#xff0c;随着业务效…

若以部署在linux,nginx反向代理,登录404,刷新404问题

history模式在router下面的index.js文件的最下面history: createWebHistory(import.meta.env.VITE_APP_CONTEXT_PATH),这两个配置文件都加上然后nginx里面的配置是这个位置按照实际情况&#xff0c;我的是用docker挂载的&#xff0c;所以在/usr/share/nginx/html/lw-clothing为…

SQL Server通过存储过程实现HTML页面生成

引言在现代企业应用中&#xff0c;数据可视化是提升决策效率的关键。SQL Server作为核心数据库管理系统&#xff0c;不仅处理数据存储和查询&#xff0c;还具备强大的扩展能力。通过存储过程直接生成HTML页面&#xff0c;企业能减少对中间层&#xff08;如Web服务器或应用程序&…

qt绘制饼状图并实现点击即放大点击部分

做得比较low #ifndef TEST_POWER_H #define TEST_POWER_H#include <QWidget> #include <QtMath> #include <QPainter> #include <QPushButton> #include <QVector> #include <cmath>namespace Ui { class test_power; } struct PieData {Q…

HashMap的put、get方法详解(附源码)

put方法 HashMap 只提供了 put 用于添加元素&#xff0c;putVal 方法只是给 put 方法调用的一个方法&#xff0c;并没有提供给用户使用。 对 putVal 方法添加元素的分析如下&#xff1a;如果定位到的数组位置没有元素 就直接插入。如果定位到的数组位置有元素就和要插入的 key …

双立柱式带锯床cad【1张总图】+设计说明书+绛重

双立柱式带锯床 摘 要 随着机械制造技术的进步&#xff0c;制造业对于切割设备的精度、效率和稳定性要求越来越高。双立柱式带锯床作为一种重要的切割设备&#xff0c;必须能够满足工业生产对于高精度、高效率的需求。 双立柱式带锯床是一种重要的工业切割设备&#xff0c;其结…

在线JS解密加密配合ECC保护

在线JS解密加密配合ECC保护 1. ECC加密简介 定义 ECC&#xff08;Elliptic Curve Cryptography&#xff09;是一种基于椭圆曲线数学的公钥加密技术&#xff0c;利用椭圆曲线离散对数问题&#xff08;ECDLP&#xff09;实现高安全性。 背景 1985年&#xff1a;Koblitz&#xff0…

使用 Docker Compose 简化 INFINI Console 与 Easysearch 环境搭建

前言回顾 在上一篇文章《搭建持久化的 INFINI Console 与 Easysearch 容器环境》中&#xff0c;我们详细介绍了如何使用基础的 docker run 命令&#xff0c;手动启动和配置 INFINI Console (1.29.6) 和 INFINI Easysearch (1.13.0) 容器&#xff0c;并实现了关键数据的持久化&…

Word 怎么让段落对齐,行与行之间宽一点?

我们来分两步解决&#xff1a;段落对齐 和 调整行距。 这两个功能都集中在Word顶部的【开始】选项卡里的【段落】区域。 第一步&#xff1a;让段落对齐 “对齐”指的是段落的左右边缘如何排列。通常有四种方式。 操作方法&#xff1a;将鼠标光标点在你想修改的那个段落里的任意…