STOUT项目技术文档
2024-12-23 04:13:48作者:董宙帆
1. 安装指南
STOUT项目的安装可以通过以下两种方式:Vagrant(VirtualBox)和Vagrant(OpenStack)。
Vagrant (VirtualBox) 安装步骤:
- 获取基础CentOS镜像:
$ vagrant box add centos_6.5 https://github.com/2creatives/vagrant-centos/releases/download/v6.5.3/centos65-x86_64-20140116.box
- 启动Vagrant:
$ vagrant up virtualbox
Vagrant (OpenStack) 安装步骤:
-
准备两个文件:
.pem(或.cer)文件,即从OpenStack仪表板下载的密钥对文件;一个包含所有在Vagrantfile中引用的环境变量的shell脚本,位于安全设置下的API访问中。 -
调整Vagrantfile以使用适当的
.pem文件和与该pem文件关联的密钥对名称。 -
运行以下命令启动Vagrant:
vagrant up openstack --provider=openstack
2. 项目使用说明
在Vagrant环境中,完成安装后,可以通过以下步骤使用STOUT项目:
-
打开浏览器,访问
localhost:8080,应看到XDATA Online Experiment的欢迎页面。 -
注册一个新用户,并测试系统。
-
通过
vagrant ssh virtualbox命令SSH到Vagrant系统。 -
在源目录下添加一个超级用户:
$ cd /var/www/op_tasks/db/
$ sudo python manage.py createsuperuser
-
通过浏览器访问
localhost:8080/admin管理页面,浏览和管理STOUT数据库。 -
在管理页面中,可以通过“参与者”链接预注册用户,通过“操作任务”链接添加新任务,通过“数据集”链接添加任务引用的数据集,通过“产品”链接添加新产品。
3. 项目API使用文档
本项目基于Django 1.6开发,具体的API使用文档未在readme中提供。开发者可以参考Django的官方文档来获取更多关于如何设置自己的系统和高级开发者信息。
4. 项目安装方式
项目的安装方式已在“安装指南”部分详细说明,可以通过Vagrant(VirtualBox)和Vagrant(OpenStack)两种方式进行安装。
注意:本项目已声明为废弃产品,不再维护,并将很快停止使用。在安装和使用前,请考虑到这一点。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1