<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0"
xmlns:dc="http://purl.org/dc/elements/1.1/"
xmlns:atom="http://www.w3.org/2005/Atom"
>
<channel>
<title><![CDATA[云幻笔记]]></title> 
<atom:link href="https://blog.yunhuan.online/rss.php" rel="self" type="application/rss+xml" />
<description><![CDATA[使用emlog搭建的站点]]></description>
<link>https://blog.yunhuan.online/</link>
<language>zh-cn</language>

<item>
    <title>使用ServerPackCreator在简幻欢自定义开服</title>
    <link>https://blog.yunhuan.online/syszjhhzdykf.html</link>
    <description><![CDATA[<h1>关于</h1>
<h2>ServerPackCreator</h2>
<p><a href="https://serverpackcreator.de/" title="ServerPackCreator">ServerPackCreator</a>是一款专为简化 Minecraft 服务器包（Modpack）创建流程而设计的自动化工具，由此工具打包出来的服务端整合包即为SPC生成的服务端。</p>
<h2>简幻欢</h2>
<p><a href="https://simpfun.cn/" title="简幻欢">简幻欢</a>是一个自 2018 年起运营的公益服务器联机平台，由简幻云团队孵化，专注于为游戏玩家提供免费、高性能的服务器托管服务。其核心目标是让 “人人都能轻松开服”，目前已服务超 10 万用户，支持 Minecraft、泰拉瑞亚等游戏。</p>
<h2>PCL2</h2>
<p><a href="https://afdian.com/a/LTCat" title="PCL2（Plain Craft Launcher 2）">PCL2（Plain Craft Launcher 2）</a>是一款由中国独立开发者龙腾猫跃（LTCat）主导开发的开源 Minecraft 启动器，旨在为玩家提供高效、灵活的游戏环境管理解决方案。它以<strong>「轻量化、高度可定制」</strong>为核心设计理念，覆盖从游戏版本管理到模组整合的全流程需求，尤其适合追求个性化体验的玩家和开发者。</p>
<h2>Minecraft</h2>
<p><a href="https://www.minecraft.net/" title="《我的世界》（Minecraft）">《我的世界》（Minecraft）</a>是由瑞典游戏设计师马库斯・阿列克谢・泊松（Notch）开发、微软旗下 Mojang Studios 持续运营的沙盒游戏，以「自由创造与无限探索」为核心，玩家通过破坏和放置方块构建虚拟世界。</p>
<h2>Java</h2>
<p><a href="https://www.oracle.com/" title="Java ">Java </a>是一种 跨平台、面向对象的高级编程语言，同时也是一个包含运行环境（JRE）和开发工具（JDK）的技术平台。它由詹姆斯・高斯林（James Gosling）带领团队于 1991 年在 Sun Microsystems 公司研发，最初名为 “Oak”，1995 年正式更名为 “Java” 并发布。2009 年，Sun 被 Oracle 收购，Java 后续的开发、维护和版权由 Oracle 主导。</p>
<blockquote>
<p>注：本教程仅针对使用ServerPackCreator在简幻欢自定义开服操作。<br />
演示版本为：<br />
Windows11 24H2<br />
Minecraft——JE版本：1.21.4；<br />
模组加载器：NeoForge(21.4.151)<br />
Java版本：jdk21</p>
</blockquote>
<h1>准备工作</h1>
<h2>注册简幻欢并新建实例</h2>
<h3>一、账号注册</h3>
<p><a href="https://simpfun.cn/auth?type=register&amp;code=298502903" title="点击进入简幻欢注册页">点击进入简幻欢注册页</a>后完成账号注册。</p>
<h3>二、新建实例</h3>
<p>点击新建实例，选择基础镜像——自定义——AIO——V1——（选择自己需要的配置）——完成新建实例。</p>
<blockquote>
<p>注：新建实例需要实名认证，每日在小程序签到可以获得五十积分。如果您选择的实例每日消耗大于五十积分可以考虑间歇暂停服务器或将账号变更为Pro版。（变更为Pro版后，无法再次变更为公益版）</p>
</blockquote>
<h2>下载并安装Java</h2>
<p><a href="https://www.oracle.com/java/" title="点击进入Oracle官网">点击进入Oracle官网</a>后，点击Download Java，选择JDK21后根据自己的系统选择相对应的安装程序并完成安装。</p>
<h2>下载PCL2启动器并下载Minecraft客户端</h2>
<h3>一、下载并启动PCL2启动器</h3>
<p><a href="https://afdian.com/a/LTCat" title="点击进入PCL2下载页">点击进入PCL2下载页</a>后，按提示完成下载并解压文件，推荐新建一个名为MC的文件夹用于存放Plain Craft Launcher 2.exe，将其放入后，双击Plain Craft Launcher 2.exe启动程序。</p>
<h3>二、下载Minecraft客户端</h3>
<p>进入PCL2页面后，（推荐设置：在设置——启动——默认版本隔离中更改为隔离所有版本），点击下载——游戏下载——正式版——1.21.4——NeoForge——21.4.151——开始下载，完成下载后需要启动一次游戏。</p>
<h2>下载并安装ServerPackCreator</h2>
<p><a href="https://serverpackcreator.de/" title="点击进入ServerPackCreator官网">点击进入ServerPackCreator官网</a>，下拉点击Get The Latest Version，选择相对应的安装程序下载并安装。这里选择Windows版本。</p>
<h1>开始制作服务器包</h1>
<p>打开ServerPackCreator，跳过教程。<br />
在Modpack Directory行点击后方文件夹选择客户端文件。（例如：E:\MC.minecraft\versions\1.21.4-NeoForge_21.4.151，如果看不到.minecraft文件夹请打开显示隐藏文件。）<br />
Server Properties行为选择服务器配置文件，如果自己没有请忽略。<br />
Server Icon为服务器图标，如有请点击后方文件夹选择。<br />
Server Pack Suffix为服务器后缀，可选填。<br />
Minecraft Version为Minecraft版本，这里选择1.21.4.<br />
Modloader为模组加载器，这里选择NeoForge.<br />
Modloader Version为模组加载器版本，这里选择21.4.151.<br />
勾选Inlude Server Icon、Create ZIP Archive、Include Server Properties.<br />
点击Generate生成服务器包。并在随后弹出的窗口中选择打开生成并返回上一级文件夹，可以看到压缩包。</p>
<h1>配置简幻欢</h1>
<p>点击创建的实例进入后，点击文件——上传，将生成好的服务器包上传后，勾选服务器包，在右下角菜单选择解压并等待执行完毕返回文件页面。<br />
在文件中找到variables.txt单击打开，查找RECOMMENDED_JAVA_VERSION，记下其后的数字，如RECOMMENDED_JAVA_VERSION=21。<br />
在同文件中查找JAVA=&quot;java&quot;，将其后的java替换为${openjdk21}。<br />
在同文件中查找JAVA_ARGS，可以把Xmx参数改为-Xmx11G(建议更改JVM最大内存为&quot;实例内存-1G&quot;，如实例有12G内存，则Xmx设置为11G)（例如：JAVA_ARGS=&quot;-Xmx11G -Xms4G&quot;）。<br />
保存文件，跳转至终端启动服务器。<br />
回到终端，启动服务器，此时SPC启动脚本应开始下载服务端，需要你同意EULA，输入“I agree”后回车。<br />
等待服务端下载完成（此过程可能会非常长，请耐心等待）。<br />
安装完成后根据需要修改server.properties。</p>]]></description>
    <pubDate>Mon, 25 Aug 2025 16:50:05 +0800</pubDate>
    <dc:creator>可塔Kita</dc:creator>
    <guid>https://blog.yunhuan.online/syszjhhzdykf.html</guid>
</item>
<item>
    <title>在Windows中基于Ollama本地部署DeepSeek模型（图文版）</title>
    <link>https://blog.yunhuan.online/zwzjyobdbsdmx-twb-.html</link>
    <description><![CDATA[<h1>前言</h1>
<h2>关于Ollama</h2>
<p>Ollama是一款开源、轻量级且易于使用的人工智能模型运行工具，它让普通用户也能在本地设备上轻松运行和管理各种大语言模型。通过简洁的命令行界面或直观的Web界面，用户可以快速启动、切换不同的模型，无需复杂的配置和部署流程。</p>
<p>Ollama支持多种主流的大语言模型，涵盖了从基础文本生成到复杂任务处理的各类应用场景，无论是日常对话、文本创作、代码编写，还是知识问答，都能轻松应对。它能够在本地运行模型，确保用户数据的隐私和安全，无需担心数据上传到云端的风险。同时，Ollama的资源占用较低，在笔记本电脑、服务器等设备上都能流畅运行，极大地降低了使用大语言模型的门槛，让更多人能够体验到人工智能的强大功能。</p>
<h2>关于DeepSeek模型</h2>
<p>DeepSeek模型由专注AGI研发的深度求索公司（DeepSeek）推出的新一代人工智能模型。该模型通过创新的稀疏混合专家架构（MoE）实现参数规模与计算效率的平衡，在语言理解、逻辑推理和多轮对话等场景展现出卓越性能。R1模型严格遵循合规要求，采用前沿的强化学习框架进行对齐优化，确保输出内容安全可靠。</p>
<p>作为通用型AI基座，R1支持灵活的功能扩展与行业适配，目前已成功应用于智能客服、数据分析、知识管理等领域。模型通过动态路由机制实现精准的任务分配，响应速度较传统架构提升40%以上，同时保持行业领先的准确率标准。</p>
<h2>关于Chatbox AI</h2>
<p>Chatbox AI 是一款 AI 客户端应用和智能助手，支持众多先进的 AI 模型和 API，基于OpenAI技术打造的跨平台桌面应用，为用户提供专业级AI对话服务。</p>
<h2>演示环境</h2>
<p>操作系统：Windows11 24H2<br />
DeepSeek模型：DeepSeek-R1:1.5b<br />
Chatbox AI:网页版</p>
<h1>开始部署工作</h1>
<h2>安装Ollama</h2>
<p>首先进入<a href="https://ollama.com/" title="Ollama官网">Ollama官网</a></p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/0cc11738680539.png" alt="0cc11738680539.png" /></p>
<p>点击<strong>Download</strong>，在随后的页面里选择适用于自己的系统版本进行下载并安装。</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/93f01738680716.png" alt="93f01738680716.png" /></p>
<p>（默认安装在C盘，且不支持更改安装路径）安装完成后能够在托盘中看到一只羊驼即安装成功。</p>
<h2>安装DeepSeek模型</h2>
<p>在Ollama页面中的搜索框中搜索<strong>DeepSeek</strong>，这里使用DeepSeek-R1模型实例，点击进入</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/2df21738681211.png" alt="2df21738681211.png" /></p>
<p>可能会看到不同大小的模型，以下表格有助于你选择相对应的适用于你的模型。<br />
以下是DeepSeek模型在Ollama部署的版本推荐表（<strong>内容基于典型设备配置,由DeepSeek-R1模型生成，仅供参考，请以DeepSeek公布数据为准</strong>）：</p>
<table>
<thead>
<tr>
<th style="text-align: center;">模型版本</th>
<th style="text-align: center;">适用操作系统</th>
<th style="text-align: center;">最低运行内存</th>
<th style="text-align: center;">推荐显存</th>
<th style="text-align: center;">存储空间</th>
<th style="text-align: center;">适用场景说明</th>
</tr>
</thead>
<tbody>
<tr>
<td style="text-align: center;">1.5B</td>
<td style="text-align: center;">Windows 10+/macOS 12+</td>
<td style="text-align: center;">4GB RAM</td>
<td style="text-align: center;">无需独显</td>
<td style="text-align: center;">1.1GB</td>
<td style="text-align: center;">入门级设备/轻量文本处理</td>
</tr>
<tr>
<td style="text-align: center;">7B</td>
<td style="text-align: center;">Windows 10+/macOS 12+</td>
<td style="text-align: center;">8GB RAM</td>
<td style="text-align: center;">4GB VRAM</td>
<td style="text-align: center;">4.7GB</td>
<td style="text-align: center;">普通笔记本/基础对话场景</td>
</tr>
<tr>
<td style="text-align: center;">8B</td>
<td style="text-align: center;">Windows 11/macOS 13+</td>
<td style="text-align: center;">12GB RAM</td>
<td style="text-align: center;">6GB VRAM</td>
<td style="text-align: center;">4.9GB</td>
<td style="text-align: center;">主流办公设备/多任务处理</td>
</tr>
<tr>
<td style="text-align: center;">14B</td>
<td style="text-align: center;">Windows 11/macOS 13+</td>
<td style="text-align: center;">16GB RAM</td>
<td style="text-align: center;">8GB VRAM</td>
<td style="text-align: center;">9.0GB</td>
<td style="text-align: center;">工作站级PC/复杂逻辑推理</td>
</tr>
<tr>
<td style="text-align: center;">32B</td>
<td style="text-align: center;">Windows 11/macOS 14+</td>
<td style="text-align: center;">32GB RAM</td>
<td style="text-align: center;">12GB VRAM</td>
<td style="text-align: center;">20GB</td>
<td style="text-align: center;">高性能主机/专业领域应用</td>
</tr>
<tr>
<td style="text-align: center;">70B</td>
<td style="text-align: center;">Windows 11/macOS 14+</td>
<td style="text-align: center;">64GB RAM</td>
<td style="text-align: center;">24GB VRAM</td>
<td style="text-align: center;">43GB</td>
<td style="text-align: center;">服务器级设备/企业级解决方案</td>
</tr>
<tr>
<td style="text-align: center;">671B</td>
<td style="text-align: center;">专用计算平台</td>
<td style="text-align: center;">256GB+ RAM</td>
<td style="text-align: center;">80GB+显存</td>
<td style="text-align: center;">404GB</td>
<td style="text-align: center;">超算集群/科研级AGI开发</td>
</tr>
</tbody>
</table>
<p>在选择对应版本后点击复制安装命令</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/e0621738682389.png" alt="e0621738682389.png" /></p>
<p>然后Win键+R键快捷呼出运行窗口，输入<strong>powershell</strong>，并将在Ollama中获取到的安装命令粘贴到窗口中并回车运行,等待安装……</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/c0c01738682702.png" alt="c0c01738682702.png" /></p>
<p>显示以下内容即安装成功↓↓↓↓↓↓</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/ca381738687339.png" alt="ca381738687339.png" /></p>
<h2>配置Chatbox AI</h2>
<p>请先右键Ollama的在托盘的小羊驼图标，选择<strong>Quit Ollama</strong>（备用）,关闭<strong>Windows Powershell</strong>窗口</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/6d891738687903.png" alt="6d891738687903.png" /></p>
<p>进入<a href="https://chatboxai.app/zh" title="Chatbox AI官网">Chatbox AI官网</a>，这里下载使用软件版或者使用网页版基本没有什么区别，这里使用网页版作为示例，点击启动网页版……</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/85f91738688200.png" alt="85f91738688200.png" /></p>
<p>然后点击<strong>Chatbox AI Cloud</strong>按钮,在弹出的窗口中，点击DISPLAY，在Language中修改为中文并点击SAVE（如果错过了也可以点击左下方的Settings按钮）<br />
<img src="https://blog.yunhuan.online/content/uploadfile/202502/54ef1738688791.png" alt="54ef1738688791.png" /></p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/79211738688791.png" alt="79211738688791.png" /></p>
<p>然后在自己的电脑系统中进入【设置——系统——系统信息——高级系统设置——环境变量】，在新建变量中新建如下变量：</p>
<table>
<thead>
<tr>
<th style="text-align: center;">变量名</th>
<th style="text-align: center;">变量值</th>
</tr>
</thead>
<tbody>
<tr>
<td style="text-align: center;">OLLAMA_HOST</td>
<td style="text-align: center;">0.0.0.0</td>
</tr>
<tr>
<td style="text-align: center;">OLLAMA_ORIGINS</td>
<td style="text-align: center;">*</td>
</tr>
</tbody>
</table>
<p>然后点击确定保存后，重新启动Ollama，在powershell中输入Start Ollama即可。<br />
然后返回到Chatbox页面，重新刷新后点击设置——模型——模型提供方（修改为OLLAMA API）——模型(选择您自己安装的模型然后点击保存)</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/d5911738689915.png" alt="d5911738689915.png" /></p>
<p>然后点击左侧<strong>新对话</strong>，然后使用即可。</p>
<h1>如何删除模型</h1>
<h2>关闭</h2>
<p>关闭Chatbox，powershell窗口</p>
<h2>删除环境变量</h2>
<p>在自己的电脑系统中进入【设置——系统——系统信息——高级系统设置——环境变量】，删除创建的变量即可。</p>
<h2>删除DeepSeek模型</h2>
<p>在Powershell中，输入<strong>Ollama list</strong>列出已安装模型，然后输入<strong>Ollama rm 模型名</strong>（例如：Ollama rm deepseek-r1:1.5b）：</p>
<p><img src="https://blog.yunhuan.online/content/uploadfile/202502/d1601738690410.png" alt="d1601738690410.png" /></p>
<h2>删除Ollama</h2>
<p>在删除模型后右键小羊驼点击Quit Ollama推出之后，删除Ollama即可。</p>]]></description>
    <pubDate>Tue, 04 Feb 2025 22:15:00 +0800</pubDate>
    <dc:creator>可塔Kita</dc:creator>
    <guid>https://blog.yunhuan.online/zwzjyobdbsdmx-twb-.html</guid>
</item>
<item>
    <title>VisualSFM | MeshLab使用教程（文字纯享版）</title>
    <link>https://blog.yunhuan.online/v-msyjc-wzcxb-.html</link>
    <description><![CDATA[<h1>前言</h1>
<h2>VisualSFM简介</h2>
<p>VisualSFM，全称为 Visual Structure from Motion，即基于运动恢复结构的可视化软件。<br />
它是一个 GUI 应用程序，用于使用运动结构 （structure from motion，简称SFM） 进行 3D 重建。重建系统集成了软件作者的几个项目：<a href="http://ccwu.me/siftgpu/" title="SIFT on GPU（SiftGPU）">SIFT on GPU（SiftGPU）</a>、<a href="https://grail.cs.washington.edu/projects/mcba/" title="Multicore Bundle Adjustment">Multicore Bundle Adjustment</a> 和 <a href="http://ccwu.me/vsfm/vsfm.pdf" title="Towards Linear-time Incremental Structure from Motion">Towards Linear-time Incremental Structure from Motion</a>。VisualSFM 通过利用多核并行性进行特征检测、特征匹配和光束法调整，运行速度很快。<br />
对于密集重建，该程序集成了 Yasutaka Furukawa 的 <a href="https://github.com/pmoulon/CMVS-PMVS" title="PMVS/CMVS">PMVS/CMVS</a> 工具链的执行。VisualSFM 的 SfM 输出可与多个附加工具配合使用，包括 Michal Jancosek 的 CMP-MVS、Michael Goesele 研究小组的 MVE、Mathias Rothermel 和 Konrad Wenzel 的 SURE 以及 Zhuoliang Kang 的 MeshRecon。<br />
此软件遵循 GPLv3 许可协议。</p>
<h2>MeshLab简介</h2>
<p>MeshLab 是一款功能强大的开源三维网格处理软件，在计算机图形学、三维建模等领域应用广泛。用于处理和编辑三维三角网格的开源系统。它提供了一套工具，用于编辑、清理、修复、检查、渲染、纹理化和转换网格。它提供了处理由3D数字化工具/设备生成的原始数据以及为3D打印准备模型的功能。<br />
注意:该应用程序不支持Windows 10 S。</p>
<h1>准备工作</h1>
<h2>一、准备需要3D重建的物品的照片</h2>
<p>如果您是使用手机进行拍照，请调整至专业模式，并将物品置于自然光环境下(自然光效果较好)，然后请360度进行对此物品的拍照（物品悬空更好，重物不建议，如有需求请在确保安全的情况下进行，或使用透明玻璃板）。一般来说，数据量越大，效果越好！</p>
<h2>二、准备需要用到的软件</h2>
<h3>下载VisualSFM、CMVS/PMVS和MeshLab</h3>
<p><a href="http://ccwu.me/vsfm/index.html" title="点击此处下载VisualSFM。">点击此处下载VisualSFM。</a><br />
点击跳转至软件作者网站后，在Download中选择适用于自己的下载。<br />
<a href="https://github.com/pmoulon/CMVS-PMVS" title="点击此处下载CMVS/PMVS。">点击此处下载CMVS/PMVS。</a><br />
点击跳转GitHub项目页面之后，请点击绿色按钮code，然后点击Download ZIP下载整个项目。<br />
<a href="https://apps.microsoft.com/detail/9N4TL5DXC6C0?hl=neutral&amp;gl=CN&amp;ocid=pdpshare" title="点击此处下载MeshLab">点击此处下载MeshLab</a><br />
MeshLab已上架Microsoft Store，您可自行前往下载或点击下载链接跳转下载。</p>
<h2>三、配置软件以及准备照片</h2>
<h3>配置VisualSFM、CMVS/PMVS</h3>
<p>一、进入下载目录，解压VisualSFM_windows_64bit.zip和CMVS-PMVS-master.zip。<br />
二、进入CMVS-PMVS-master\binariesWin-Linux\ *，选择适用于自己系统的文件夹进入，进入后，请复制所有文件，然后请进入VisualSFM_windows_64bit,将其全部粘贴于此文件夹内。如遇系统提示，请选择跳过该文件。<br />
三、关于图片，建议使用有线传输，以降低图片中数据的失真，并将其存放至您电脑中方便的地方。建议新建一个文件夹，专门用于存放。</p>
<h1>开始使用</h1>
<h2>VisualSFM阶段</h2>
<p>一、进入VisualSFM_windows_64bit，双击运行VisualSFM.exe，在File中点击Open+ Multiple lmages，然后选择你存放图片的文件夹，选中一个图片后，Ctrl+A全选，然后点击打开，等待图片数据加载，提示 finished即完毕。<br />
二、待图片数据加载完成之后，点击Compute Missing Matches进行匹配指定对，等待匹配完毕，提示 finished即完毕。<br />
三、匹配完毕后点击Compute 3D Reconstruction进行计算3D重建，提示 finished即完毕。<br />
四、3D重建完毕后点击Run Bundle Adjustment进行捆绑共享校准，提示 finished即完毕。<br />
五、校准完毕后点击Run Dense Reconstruction进行密集重建并导出模型数据，弹出的窗口中，您只需命名文件名即可。其他配置项无需更改，提示 finished即完毕。</p>
<h2>MeshLab阶段</h2>
<p>该步骤操作非常简单，打开MeshLab(由于Microsoft Store下载的软件并不会在桌面创建相对应的快捷方式图标，因此您需要在开始菜单内打开或搜索打开)，然后点击Import Mesh，在弹出窗口中进入图片的文件夹，选择您命名的.ply文件并打开，然后您就可以看到您的3D模型了。</p>]]></description>
    <pubDate>Wed, 22 Jan 2025 16:41:41 +0800</pubDate>
    <dc:creator>可塔Kita</dc:creator>
    <guid>https://blog.yunhuan.online/v-msyjc-wzcxb-.html</guid>
</item>
</channel>
</rss>