Icecream 项目技术文档
本文档旨在帮助用户安装、使用和理解 Icecream 项目,详细介绍其功能、配置和操作步骤。
1. 安装指南
推荐安装方式
我们建议您使用发行版维护的软件包,如果可能的话。您的发行版应该提供定制的启动脚本,使 Icecream 更好地适应系统的配置。
我们强烈建议您与 Icecream 一起安装 icemon 或 icecream-sundae。
源代码安装
如果您想从源代码安装,请参考源代码包中提供的 README 文件中的说明。
2. 项目的使用说明
要使用 Icecream,您需要以下配置:
- 至少一个运行调度器的机器(运行
./icecc-scheduler -d) - 许多运行守护进程的机器(运行
./iceccd -d)
可以在一个机器上同时运行调度器和守护进程,在另一个机器上只运行守护进程,从而形成一个由两个节点组成的编译集群。
如果您想使用 Icecream 编译,请确保 $prefix/lib/icecc/bin 是您的路径中的第一个条目,例如:
export PATH=/usr/lib/icecc/bin:$PATH
(提示:将此命令放入 ~/.bashrc 或 /etc/profile 中,这样每次都不必重新输入。)
然后,您只需使用 make -j <num> 命令编译,其中 <num> 是您想要并行编译的作业数。
作为一个起点,可以使用逻辑处理器的数量乘以 2,或者如果您的编译集群可以处理所有编译作业,可以设置一个更大的数字。但请注意,过大的数字实际上可能会使构建速度变慢(例如,如果本地机器一次处理的作业比它能处理的更多)。
以下是一个示例:
make -j6
警告: 不要在不受信任的环境中使用 Icecream。如果您必须在这样的网络中使用,请以未特权用户身份运行守护进程和调度器!但您将不得不依赖同质网络(请参阅下文)。
如果您想查看您的 Icecream 编译集群概览,或者只是想获取一些有趣的统计信息,您可能想运行 "icemon"(来自单独的仓库/包)。
使编译集群持久化
如果您重新启动计算机,您仍然希望它在重启后仍然是 Icecream 集群的一部分。请参考您的发行版的文档。如果您使用的是发行版提供的软件包,这应该是自动的(或者是一个简单的配置更改)。
使调度器持久化
通过为守护进程添加 --scheduler-host 选项和为调度器添加 --persistent-client-connection 选项,即使有更好的调度器可用,客户端连接也不会从调度器断开。
3. 项目API使用文档
Icecream 的 API 使用相对简单,主要是通过环境变量和命令行选项进行配置和使用。以下是一些基本的使用示例:
- 设置编译环境:
ICECC_VERSION=icecc-environment.tar.bz2
- 使用 Icecream 编译:
make -j <num>
- 查看编译集群状态:
icemon
更多详细的使用方法和选项,请参考官方文档。
4. 项目安装方式
通过发行版仓库安装
我们建议您从发行版的软件仓库中安装 Icecream,这样会自动处理所有依赖和配置。
从源代码安装
如果您选择从源代码安装,请按照以下步骤操作:
- 获取源代码包。
- 解压缩源代码包。
- 进入源代码目录。
- 编译和安装:
./configure
make
make install
确保在编译时正确设置 PREFIX,以便 Icecream 安装到正确的位置。
以上是 Icecream 项目的基本技术文档。使用前,请确保仔细阅读并遵循上述指南。如果您遇到任何问题,请参考故障排除部分或访问项目的官方支持渠道。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00