dfkernel 的安装和配置教程
项目基础介绍
dfkernel 是一个开源项目,它允许用户在 JupyterLab 中创建和运行具有清晰依赖关系的 Python 笔记本。这种笔记本被称为数据流笔记本,它通过将输出提升为链接单元格来工作。单元格的输出通过标识符进行标记,当其他单元格引用这些输出时,会在单元格之间创建依赖关系,确保在执行一个单元格之前,其上游单元格是最新的。
项目主要编程语言
该项目主要使用 TypeScript 和 Python 编程语言。
项目使用的关键技术和框架
- JupyterLab: 一个基于网页的交互式计算环境,允许用户组合代码、可视化和文本。
- IPython: 一个强大的交互式 shell,用于执行 Python 代码。
- ipykernel: Jupyter 内核,用于支持 Python 代码的执行。
- Playwright (用于测试): 一个 Node.js 库,用于自动化 Chromium、Firefox 和 WebKit 浏览器。
项目安装和配置的准备工作
在开始安装 dfkernel 之前,请确保您的系统已安装以下依赖项:
- Python: 版本至少为 3.7。
- NodeJS: 用于构建前端部分。
- JupyterLab: 版本至少为 4.0.0。
确保您的系统中已安装了 pip 和 npm,它们是安装 Python 包和 Node.js 包的工具。
安装步骤
以下是安装 dfkernel 的详细步骤:
-
安装 dfnotebook
打开命令行界面,执行以下命令来安装 dfnotebook 扩展:
pip install dfnotebook -
启动 JupyterLab
接下来,启动 JupyterLab:
jupyter lab -
创建新笔记本
在 JupyterLab 中,创建一个新的笔记本,并选择
DFPython 3内核。 -
开发模式下的安装 (可选)
如果您打算在开发模式下安装 dfnotebook,以便进行自定义或贡献代码,请按照以下步骤操作:
-
克隆存储库到本地环境:
git clone https://github.com/dataflownb/dfnotebook.git cd dfnotebook -
在开发模式下安装包:
pip install -e . -
将开发版本的扩展与 JupyterLab 链接:
jupyter labextension develop . --overwrite -
在更改后重建扩展 TypeScript 源:
jlpm build -
监视源目录并自动重建:
jlpm watch
-
-
卸载 dfnotebook
如果需要卸载 dfnotebook,可以使用以下命令:
pip uninstall dfnotebook在开发模式下,还需要移除通过
jupyter labextension develop命令创建的符号链接。
确保在每次安装或更新操作后重新启动 JupyterLab,以使更改生效。
以上就是 dfkernel 的安装和配置教程,按照这些步骤操作,您应该能够成功安装并开始使用 dfkernel。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00