AIGlasses OS Pro开发环境搭建从操作系统安装到模型运行最近有不少朋友在折腾AIGlasses OS Pro这个项目结果第一步就被开发环境给卡住了。要么是系统装完一堆驱动问题要么是Python环境冲突还有CUDA版本不对导致模型死活跑不起来。说实话这种从零开始的搭建确实有点烦人特别是刚重装完系统看着空荡荡的桌面都不知道该从哪下手。今天我就来分享一套完整的AIGlasses OS Pro开发环境搭建流程。不管你是刚重装系统还是拿到了一台新电脑跟着这个指南走应该能避开大部分坑顺利把环境跑起来。我会从操作系统选择开始一直讲到成功运行示例程序每个步骤都尽量讲清楚为什么这么做以及可能遇到的问题怎么解决。1. 环境搭建前的准备与规划在开始动手之前我们先花几分钟理清思路。AIGlasses OS Pro是一个基于AI的智能眼镜操作系统开发框架它依赖Python和一些特定的AI库。我们的目标是在你的电脑上创建一个稳定、可用的开发环境。你需要准备的东西不多一台性能还不错的电脑建议有独立显卡NVIDIA的更好稳定的网络连接下载系统镜像和软件包需要一个至少8GB的U盘用于制作系统安装盘大概半天到一天的时间第一次搭建可能会遇到各种小问题我建议在周末或者不赶工的时候做这个事心态放平遇到问题就查查资料大部分都能解决。2. 操作系统安装与基础配置2.1 选择适合的操作系统AIGlasses OS Pro在Windows和Linux上都能运行但体验不太一样。如果你主要是做应用开发平时也用Windows比较多那我建议用Windows 10或11。如果更偏向底层开发或者服务器部署Ubuntu是个不错的选择。我个人的经验是Windows下的工具链更完善各种IDE用起来顺手适合大多数人。Linux则更干净没有那么多杂七杂八的软件干扰适合追求纯粹开发环境的人。Windows用户注意建议用Windows 10 21H2或更高版本或者Windows 11。太老的版本可能会有兼容性问题。Ubuntu用户注意建议用20.04 LTS或22.04 LTS版本这些都是长期支持版比较稳定。2.2 制作系统安装盘不管你选哪个系统制作安装盘的方法都差不多。这里以Windows 11为例去微软官网下载Media Creation Tool准备一个至少8GB的U盘里面的数据记得先备份制作过程会清空U盘运行下载的工具选择为另一台电脑创建安装介质按照提示操作工具会自动下载系统镜像并写入U盘Ubuntu的话更简单去官网下载ISO镜像然后用Rufus或者Etcher这类工具写入U盘就行。2.3 安装操作系统安装过程其实挺简单的就是跟着提示一步步来。但有几点需要注意分区时留足空间建议系统盘至少留100GB因为后面要装很多开发工具和库连接网络安装过程中可以连上网这样一些驱动能自动下载创建用户账户记住你设的密码后面有些操作需要用到安装完成后先别急着装其他软件。先把系统更新到最新版本特别是驱动更新。在Windows里就是打开设置→更新与安全把所有更新都装上。Ubuntu则是sudo apt update sudo apt upgrade。2.4 基础软件安装系统装好了接下来装些必备的软件Windows用户需要装7-Zip或WinRAR解压各种压缩包Git代码版本管理一个顺手的文本编辑器比如NotepadUbuntu用户需要装sudo apt update sudo apt install -y git curl wget unzip这些工具虽然小但后面会经常用到先装上省事。3. 开发工具链安装3.1 Python环境配置Python是AIGlasses OS Pro的主要开发语言环境配置很重要。我强烈建议用Miniconda来管理Python环境它能帮你解决很多版本冲突的问题。安装Miniconda去Miniconda官网下载对应版本的安装包Windows用户直接运行.exe记得勾选Add to PATHUbuntu用户用命令安装wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh安装完成后打开终端Windows用Anaconda PromptUbuntu用普通终端创建一个专门给AIGlasses OS Pro的环境conda create -n aiglasses python3.9 conda activate aiglasses为什么用Python 3.9因为这个版本比较稳定大部分AI库都支持得很好。太新的版本反而可能有些库还没适配。3.2 代码编辑器选择与配置写代码总得有个顺手的编辑器。我推荐VSCode免费、轻量、插件多。安装VSCode官网下载安装包一路下一步就行装完后建议安装这些插件Python官方Python支持Pylance更好的代码补全GitLensGit集成Jupyter如果你要用笔记本的话如果你习惯用PyCharm也可以专业版功能更强大但社区版也够用了。3.3 CUDA和cuDNN安装有NVIDIA显卡的话如果你有NVIDIA显卡并且想用GPU加速那需要装CUDA和cuDNN。这是整个过程中最容易出问题的一步我慢慢讲。先检查你的显卡打开终端输入nvidia-smiWindows和Linux都适用看看输出里有没有你的显卡信息以及支持的CUDA版本安装CUDA去NVIDIA官网下载CUDA Toolkit选择和你显卡驱动匹配的版本一般选最新的稳定版就行Windows用户下载exe安装包Ubuntu用户用deb或runfileWindows安装注意安装时选择自定义安装只勾选CUDA其他的像Visual Studio Integration、Driver Components看情况不熟悉的话可以不选安装路径不要有中文和空格Ubuntu安装注意# 如果是deb包 sudo dpkg -i cuda-repo-ubuntu2204-12-2-local_12.2.0-535.54.03-1_amd64.deb sudo cp /var/cuda-repo-ubuntu2204-12-2-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cuda # 添加到环境变量 echo export PATH/usr/local/cuda/bin:$PATH ~/.bashrc echo export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH ~/.bashrc source ~/.bashrc安装cuDNN去NVIDIA官网下载cuDNN需要注册账号选择和你CUDA版本匹配的cuDNN下载后解压把文件复制到CUDA安装目录验证安装# 检查CUDA版本 nvcc --version # 检查cuDNNPython中验证 python -c import torch; print(torch.cuda.is_available())如果最后一步输出True恭喜你GPU环境配置成功了。如果显示False可能是版本不匹配或者安装有问题需要回头检查。4. AIGlasses OS Pro项目部署4.1 获取项目代码环境都准备好了现在可以把AIGlasses OS Pro的代码拉下来了。# 激活之前创建的conda环境 conda activate aiglasses # 克隆项目 git clone https://github.com/xxx/aiglasses-os-pro.git # 这里用实际的项目地址 cd aiglasses-os-pro如果GitHub访问慢可以试试用Gitee的镜像或者配置一下Git代理。4.2 安装Python依赖进到项目目录后一般会有个requirements.txt或者pyproject.toml文件里面列出了所有需要的Python包。# 如果有requirements.txt pip install -r requirements.txt # 或者用conda安装如果提供了environment.yml conda env create -f environment.yml安装过程中可能会遇到各种问题最常见的是某个包版本冲突。这时候别慌看错误信息一般都是某个包需要特定版本。你可以尝试先升级pippip install --upgrade pip用清华源加速pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple如果某个包实在装不上可以暂时注释掉后面再单独处理4.3 项目结构了解装完依赖后先别急着运行。花几分钟看看项目结构aiglasses-os-pro/ ├── docs/ # 文档 ├── examples/ # 示例代码 ├── src/ # 源代码 ├── tests/ # 测试代码 ├── requirements.txt # Python依赖 └── README.md # 项目说明特别是README.md里面通常有快速开始的指南和常见问题解答。examples目录下的代码是最容易上手的建议从这里开始。5. 运行第一个示例程序5.1 简单示例测试我们先跑个最简单的例子验证环境是否正常工作。在examples目录下找一个最简单的脚本比如hello_world.py或者basic_demo.py。# 进入示例目录 cd examples # 运行示例 python basic_demo.py如果一切正常你应该能看到一些输出比如环境检测通过或者显示一些简单的AI推理结果。5.2 常见问题排查第一次运行很少能一帆风顺下面是一些常见问题和解决方法问题1ModuleNotFoundErrorModuleNotFoundError: No module named torch这说明PyTorch没装上。虽然requirements.txt里应该有但可能安装失败了。手动安装一下# CPU版本 pip install torch # GPU版本如果你装了CUDA pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118问题2CUDA errorRuntimeError: CUDA error: no kernel image is available for execution on the device这通常是CUDA版本和PyTorch版本不匹配。去PyTorch官网看看当前版本对应的CUDA版本要求然后调整你的安装命令。问题3内存不足OutOfMemoryError: CUDA out of memory如果你的显卡显存比较小比如4GB可以试试减小batch size或者在代码里加torch.cuda.empty_cache()清理缓存。5.3 完整流程示例假设我们要运行一个图像识别的例子完整的流程大概是这样的# 这是一个简化的示例实际代码可能更复杂 import torch import torchvision from PIL import Image # 1. 检查环境 print(fPyTorch版本: {torch.__version__}) print(fCUDA可用: {torch.cuda.is_available()}) if torch.cuda.is_available(): print(fGPU: {torch.cuda.get_device_name(0)}) # 2. 加载模型 model torchvision.models.resnet18(pretrainedTrue) model.eval() # 3. 准备输入 image Image.open(test.jpg) # ... 图像预处理代码 ... # 4. 推理 with torch.no_grad(): output model(image_tensor) # 5. 输出结果 print(f推理结果: {output})运行这个脚本如果能看到正常的输出说明你的AIGlasses OS Pro开发环境已经基本搭建成功了。6. 环境优化与日常使用6.1 开发环境优化环境能跑起来了但用起来可能还不够顺手。这里分享几个优化技巧配置VSCode使用conda环境打开VSCode按CtrlShiftP输入Python: Select Interpreter选择你创建的aiglasses环境这样VSCode就会用这个环境下的Python和库代码补全、调试都会更准确。设置Jupyter Notebook内核 如果你用Jupyter需要把conda环境添加进去conda activate aiglasses pip install ipykernel python -m ipykernel install --user --nameaiglasses --display-nameAIGlasses然后在Jupyter里就能选择这个内核了。6.2 常用命令整理开发过程中会经常用到这些命令可以保存下来# 环境管理 conda activate aiglasses # 激活环境 conda deactivate # 退出环境 conda list # 查看已安装包 # 依赖管理 pip freeze requirements.txt # 导出依赖 pip install -r requirements.txt # 安装依赖 # 项目运行 python train.py # 训练模型 python inference.py --input xxx # 推理 python test.py # 运行测试 # 资源监控 nvidia-smi # 查看GPU状态 htop # 查看CPU内存Linux taskmanager # Windows任务管理器6.3 遇到问题怎么办开发过程中肯定会遇到各种问题我的建议是先看错误信息Python的错误信息其实很详细仔细读读大部分问题都能找到线索搜索错误信息把错误信息复制到Google或百度加上关键词比如PyTorch、CUDA查官方文档AIGlasses OS Pro的文档、PyTorch文档、CUDA文档问社区GitHub Issues、Stack Overflow、相关论坛简化问题如果问题复杂尝试写个最小复现代码去掉无关部分记住几乎所有你遇到的问题别人都遇到过。耐心点总能找到解决方案。7. 总结走完这一整套流程你的AIGlasses OS Pro开发环境应该已经搭建好了。从操作系统安装到最终运行示例程序每一步我都尽量把可能遇到的问题和解决方法写清楚。不过实际搭建中可能还会遇到一些我没提到的情况这很正常开发环境配置本来就是件有点折腾的事。我自己的经验是第一次搭建可能会花上大半天时间主要是各种依赖和版本问题。但一旦环境配好了后面就一劳永逸了。建议你把配好的环境用conda导出备份一下conda env export environment.yml这样下次重装系统或者换电脑直接conda env create -f environment.yml就能恢复环境省事很多。最后说几句开发环境搭建虽然繁琐但也是学习的一部分。通过这个过程你能更了解整个技术栈的依赖关系以后遇到问题也能更快定位。现在环境有了接下来就可以专心探索AIGlasses OS Pro的功能了祝你好运获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
AIGlasses OS Pro开发环境搭建：从操作系统安装到模型运行
AIGlasses OS Pro开发环境搭建从操作系统安装到模型运行最近有不少朋友在折腾AIGlasses OS Pro这个项目结果第一步就被开发环境给卡住了。要么是系统装完一堆驱动问题要么是Python环境冲突还有CUDA版本不对导致模型死活跑不起来。说实话这种从零开始的搭建确实有点烦人特别是刚重装完系统看着空荡荡的桌面都不知道该从哪下手。今天我就来分享一套完整的AIGlasses OS Pro开发环境搭建流程。不管你是刚重装系统还是拿到了一台新电脑跟着这个指南走应该能避开大部分坑顺利把环境跑起来。我会从操作系统选择开始一直讲到成功运行示例程序每个步骤都尽量讲清楚为什么这么做以及可能遇到的问题怎么解决。1. 环境搭建前的准备与规划在开始动手之前我们先花几分钟理清思路。AIGlasses OS Pro是一个基于AI的智能眼镜操作系统开发框架它依赖Python和一些特定的AI库。我们的目标是在你的电脑上创建一个稳定、可用的开发环境。你需要准备的东西不多一台性能还不错的电脑建议有独立显卡NVIDIA的更好稳定的网络连接下载系统镜像和软件包需要一个至少8GB的U盘用于制作系统安装盘大概半天到一天的时间第一次搭建可能会遇到各种小问题我建议在周末或者不赶工的时候做这个事心态放平遇到问题就查查资料大部分都能解决。2. 操作系统安装与基础配置2.1 选择适合的操作系统AIGlasses OS Pro在Windows和Linux上都能运行但体验不太一样。如果你主要是做应用开发平时也用Windows比较多那我建议用Windows 10或11。如果更偏向底层开发或者服务器部署Ubuntu是个不错的选择。我个人的经验是Windows下的工具链更完善各种IDE用起来顺手适合大多数人。Linux则更干净没有那么多杂七杂八的软件干扰适合追求纯粹开发环境的人。Windows用户注意建议用Windows 10 21H2或更高版本或者Windows 11。太老的版本可能会有兼容性问题。Ubuntu用户注意建议用20.04 LTS或22.04 LTS版本这些都是长期支持版比较稳定。2.2 制作系统安装盘不管你选哪个系统制作安装盘的方法都差不多。这里以Windows 11为例去微软官网下载Media Creation Tool准备一个至少8GB的U盘里面的数据记得先备份制作过程会清空U盘运行下载的工具选择为另一台电脑创建安装介质按照提示操作工具会自动下载系统镜像并写入U盘Ubuntu的话更简单去官网下载ISO镜像然后用Rufus或者Etcher这类工具写入U盘就行。2.3 安装操作系统安装过程其实挺简单的就是跟着提示一步步来。但有几点需要注意分区时留足空间建议系统盘至少留100GB因为后面要装很多开发工具和库连接网络安装过程中可以连上网这样一些驱动能自动下载创建用户账户记住你设的密码后面有些操作需要用到安装完成后先别急着装其他软件。先把系统更新到最新版本特别是驱动更新。在Windows里就是打开设置→更新与安全把所有更新都装上。Ubuntu则是sudo apt update sudo apt upgrade。2.4 基础软件安装系统装好了接下来装些必备的软件Windows用户需要装7-Zip或WinRAR解压各种压缩包Git代码版本管理一个顺手的文本编辑器比如NotepadUbuntu用户需要装sudo apt update sudo apt install -y git curl wget unzip这些工具虽然小但后面会经常用到先装上省事。3. 开发工具链安装3.1 Python环境配置Python是AIGlasses OS Pro的主要开发语言环境配置很重要。我强烈建议用Miniconda来管理Python环境它能帮你解决很多版本冲突的问题。安装Miniconda去Miniconda官网下载对应版本的安装包Windows用户直接运行.exe记得勾选Add to PATHUbuntu用户用命令安装wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh安装完成后打开终端Windows用Anaconda PromptUbuntu用普通终端创建一个专门给AIGlasses OS Pro的环境conda create -n aiglasses python3.9 conda activate aiglasses为什么用Python 3.9因为这个版本比较稳定大部分AI库都支持得很好。太新的版本反而可能有些库还没适配。3.2 代码编辑器选择与配置写代码总得有个顺手的编辑器。我推荐VSCode免费、轻量、插件多。安装VSCode官网下载安装包一路下一步就行装完后建议安装这些插件Python官方Python支持Pylance更好的代码补全GitLensGit集成Jupyter如果你要用笔记本的话如果你习惯用PyCharm也可以专业版功能更强大但社区版也够用了。3.3 CUDA和cuDNN安装有NVIDIA显卡的话如果你有NVIDIA显卡并且想用GPU加速那需要装CUDA和cuDNN。这是整个过程中最容易出问题的一步我慢慢讲。先检查你的显卡打开终端输入nvidia-smiWindows和Linux都适用看看输出里有没有你的显卡信息以及支持的CUDA版本安装CUDA去NVIDIA官网下载CUDA Toolkit选择和你显卡驱动匹配的版本一般选最新的稳定版就行Windows用户下载exe安装包Ubuntu用户用deb或runfileWindows安装注意安装时选择自定义安装只勾选CUDA其他的像Visual Studio Integration、Driver Components看情况不熟悉的话可以不选安装路径不要有中文和空格Ubuntu安装注意# 如果是deb包 sudo dpkg -i cuda-repo-ubuntu2204-12-2-local_12.2.0-535.54.03-1_amd64.deb sudo cp /var/cuda-repo-ubuntu2204-12-2-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cuda # 添加到环境变量 echo export PATH/usr/local/cuda/bin:$PATH ~/.bashrc echo export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH ~/.bashrc source ~/.bashrc安装cuDNN去NVIDIA官网下载cuDNN需要注册账号选择和你CUDA版本匹配的cuDNN下载后解压把文件复制到CUDA安装目录验证安装# 检查CUDA版本 nvcc --version # 检查cuDNNPython中验证 python -c import torch; print(torch.cuda.is_available())如果最后一步输出True恭喜你GPU环境配置成功了。如果显示False可能是版本不匹配或者安装有问题需要回头检查。4. AIGlasses OS Pro项目部署4.1 获取项目代码环境都准备好了现在可以把AIGlasses OS Pro的代码拉下来了。# 激活之前创建的conda环境 conda activate aiglasses # 克隆项目 git clone https://github.com/xxx/aiglasses-os-pro.git # 这里用实际的项目地址 cd aiglasses-os-pro如果GitHub访问慢可以试试用Gitee的镜像或者配置一下Git代理。4.2 安装Python依赖进到项目目录后一般会有个requirements.txt或者pyproject.toml文件里面列出了所有需要的Python包。# 如果有requirements.txt pip install -r requirements.txt # 或者用conda安装如果提供了environment.yml conda env create -f environment.yml安装过程中可能会遇到各种问题最常见的是某个包版本冲突。这时候别慌看错误信息一般都是某个包需要特定版本。你可以尝试先升级pippip install --upgrade pip用清华源加速pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple如果某个包实在装不上可以暂时注释掉后面再单独处理4.3 项目结构了解装完依赖后先别急着运行。花几分钟看看项目结构aiglasses-os-pro/ ├── docs/ # 文档 ├── examples/ # 示例代码 ├── src/ # 源代码 ├── tests/ # 测试代码 ├── requirements.txt # Python依赖 └── README.md # 项目说明特别是README.md里面通常有快速开始的指南和常见问题解答。examples目录下的代码是最容易上手的建议从这里开始。5. 运行第一个示例程序5.1 简单示例测试我们先跑个最简单的例子验证环境是否正常工作。在examples目录下找一个最简单的脚本比如hello_world.py或者basic_demo.py。# 进入示例目录 cd examples # 运行示例 python basic_demo.py如果一切正常你应该能看到一些输出比如环境检测通过或者显示一些简单的AI推理结果。5.2 常见问题排查第一次运行很少能一帆风顺下面是一些常见问题和解决方法问题1ModuleNotFoundErrorModuleNotFoundError: No module named torch这说明PyTorch没装上。虽然requirements.txt里应该有但可能安装失败了。手动安装一下# CPU版本 pip install torch # GPU版本如果你装了CUDA pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118问题2CUDA errorRuntimeError: CUDA error: no kernel image is available for execution on the device这通常是CUDA版本和PyTorch版本不匹配。去PyTorch官网看看当前版本对应的CUDA版本要求然后调整你的安装命令。问题3内存不足OutOfMemoryError: CUDA out of memory如果你的显卡显存比较小比如4GB可以试试减小batch size或者在代码里加torch.cuda.empty_cache()清理缓存。5.3 完整流程示例假设我们要运行一个图像识别的例子完整的流程大概是这样的# 这是一个简化的示例实际代码可能更复杂 import torch import torchvision from PIL import Image # 1. 检查环境 print(fPyTorch版本: {torch.__version__}) print(fCUDA可用: {torch.cuda.is_available()}) if torch.cuda.is_available(): print(fGPU: {torch.cuda.get_device_name(0)}) # 2. 加载模型 model torchvision.models.resnet18(pretrainedTrue) model.eval() # 3. 准备输入 image Image.open(test.jpg) # ... 图像预处理代码 ... # 4. 推理 with torch.no_grad(): output model(image_tensor) # 5. 输出结果 print(f推理结果: {output})运行这个脚本如果能看到正常的输出说明你的AIGlasses OS Pro开发环境已经基本搭建成功了。6. 环境优化与日常使用6.1 开发环境优化环境能跑起来了但用起来可能还不够顺手。这里分享几个优化技巧配置VSCode使用conda环境打开VSCode按CtrlShiftP输入Python: Select Interpreter选择你创建的aiglasses环境这样VSCode就会用这个环境下的Python和库代码补全、调试都会更准确。设置Jupyter Notebook内核 如果你用Jupyter需要把conda环境添加进去conda activate aiglasses pip install ipykernel python -m ipykernel install --user --nameaiglasses --display-nameAIGlasses然后在Jupyter里就能选择这个内核了。6.2 常用命令整理开发过程中会经常用到这些命令可以保存下来# 环境管理 conda activate aiglasses # 激活环境 conda deactivate # 退出环境 conda list # 查看已安装包 # 依赖管理 pip freeze requirements.txt # 导出依赖 pip install -r requirements.txt # 安装依赖 # 项目运行 python train.py # 训练模型 python inference.py --input xxx # 推理 python test.py # 运行测试 # 资源监控 nvidia-smi # 查看GPU状态 htop # 查看CPU内存Linux taskmanager # Windows任务管理器6.3 遇到问题怎么办开发过程中肯定会遇到各种问题我的建议是先看错误信息Python的错误信息其实很详细仔细读读大部分问题都能找到线索搜索错误信息把错误信息复制到Google或百度加上关键词比如PyTorch、CUDA查官方文档AIGlasses OS Pro的文档、PyTorch文档、CUDA文档问社区GitHub Issues、Stack Overflow、相关论坛简化问题如果问题复杂尝试写个最小复现代码去掉无关部分记住几乎所有你遇到的问题别人都遇到过。耐心点总能找到解决方案。7. 总结走完这一整套流程你的AIGlasses OS Pro开发环境应该已经搭建好了。从操作系统安装到最终运行示例程序每一步我都尽量把可能遇到的问题和解决方法写清楚。不过实际搭建中可能还会遇到一些我没提到的情况这很正常开发环境配置本来就是件有点折腾的事。我自己的经验是第一次搭建可能会花上大半天时间主要是各种依赖和版本问题。但一旦环境配好了后面就一劳永逸了。建议你把配好的环境用conda导出备份一下conda env export environment.yml这样下次重装系统或者换电脑直接conda env create -f environment.yml就能恢复环境省事很多。最后说几句开发环境搭建虽然繁琐但也是学习的一部分。通过这个过程你能更了解整个技术栈的依赖关系以后遇到问题也能更快定位。现在环境有了接下来就可以专心探索AIGlasses OS Pro的功能了祝你好运获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
