Neo4j-Desktop2.0安装教程(更改安装路径)

Neo4j-Desktop2.0安装教程(更改安装路径)

引言

       由于neo4j-desktop2.0版本是不提供安装页面(默认安装在C盘),从而让你选择安装路径的,这对于C盘内存来说是灾难性的。因此,需要手动设置安装路径。

参考文献:

  1. https://zhuanlan.zhihu.com/p/1935104156433121644https://zhuanlan.zhihu.com/p/1935104156433121644
  2. https://blog.ZEEKLOG.net/WMXJY/article/details/150649084

安装包下载:https://neo4j.com/deployment-center/?desktop-gdbhttps://neo4j.com/deployment-center/?desktop-gdb

1文件夹创建及环境变量设置

    首先需要在C盘以外的位置先创建一个Neo4j2文件夹,再在下面创建两个文件夹:App,PROData来存放软件本体和相关数据

然后打开“高级系统设置”——“环境变量”——系统变量下方的“新建”

然后添加如下内容:

变量名:NEO4J_DESKTOP_DATA_PATH

变量值:想要移动的位置

(例如我的是:D:\Neo4J2\PROData)

然后一路点击确定,最后重启电脑,确保设置生效。

2安装

把安装包复制到刚刚创建的Neo4j2文件夹——右键单机——选择“在终端中打开”

然后执行以下命令:(此处应注意运行的安装包的版本,我的是2.0.5)

然后执行以下命令:(此处应注意运行的安装包的版本,我的是2.0.5) .\neo4j-desktop-2.0.5-x64.exe /S /D=D:\Neo4J2\App /S表示静默安装(无界面)。 /D=后面是你想安装到的路径,必须是绝对路径,且不含空格或引号。 /D=参数必须放在命令最后,否则无效。 

注意:安装后,C盘中可能仍会存在   .Neo4j2   的文件夹空壳,可以保留也可以删去。

这里是傻瓜式安装不需要进行什么点击,它会在后台自动安装

3测试是否安装及修改成功

如果桌面出现neo4j2.0的快捷方式,并且App文件夹里存放了安装好的文件就证明安装成功了。

Read more

4步创作革命!WAN2.2极速视频AI重新定义AIGC视频生产流程

4步创作革命!WAN2.2极速视频AI重新定义AIGC视频生产流程 【免费下载链接】WAN2.2-14B-Rapid-AllInOne 项目地址: https://ai.gitcode.com/hf_mirrors/Phr00t/WAN2.2-14B-Rapid-AllInOne 价值定位:打破专业壁垒的视频创作新范式 在AIGC视频生成领域,创作者长期面临"三高困境":技术门槛高、硬件要求高、时间成本高。传统工作流往往需要串联文本理解、图像生成、视频插值等多个模型,仅模型加载就需消耗数分钟,且80%以上的失败案例源于模型组合不当。WAN2.2-14B-Rapid-AllInOne(简称WAN2.2极速视频AI)以"一体化模型架构"直击行业痛点,将原本需要10+步骤的创作流程压缩至4个核心环节,在8GB显存设备上实现每分钟视频内容的高效生成。 这款由Phr00t团队开发的开源模型,通过"MEGA Merge"

By Ne0inhk

Dify v1.12.0深度适配DeepSeek-V3:支持LoRA微调注入、流式响应对齐、上下文长度动态扩展,附GitHub私有仓库验证清单

第一章:Dify v1.12.0与DeepSeek-V3集成概述 Dify v1.12.0 是一个面向 AI 应用开发的低代码平台,支持快速构建、调试和部署基于大语言模型的应用。该版本显著增强了对第三方大模型的兼容性,尤其在与国产高性能模型 DeepSeek-V3 的集成上实现了深度优化。通过标准化接口对接与上下文管理机制升级,开发者可无缝将 DeepSeek-V3 接入 Dify 的应用工作流中,实现高效推理与对话能力。 核心特性 * 支持通过 API Key 直接连接 DeepSeek-V3 模型服务 * 内置 Prompt 编排引擎,适配 DeepSeek-V3 的输入格式要求 * 提供实时日志追踪与 token 消耗统计功能 * 兼容 streaming 输出模式,提升用户交互体验 配置步骤 1. 登录 Dify 管理后台,

By Ne0inhk
【AI大模型前沿】通义万相Wan2.2:阿里270亿参数巨兽开源,消费级显卡就能跑,免费平替Sora上线

【AI大模型前沿】通义万相Wan2.2:阿里270亿参数巨兽开源,消费级显卡就能跑,免费平替Sora上线

系列篇章💥 No.文章1【AI大模型前沿】深度剖析瑞智病理大模型 RuiPath:如何革新癌症病理诊断技术2【AI大模型前沿】清华大学 CLAMP-3:多模态技术引领音乐检索新潮流3【AI大模型前沿】浙大携手阿里推出HealthGPT:医学视觉语言大模型助力智能医疗新突破4【AI大模型前沿】阿里 QwQ-32B:320 亿参数推理大模型,性能比肩 DeepSeek-R1,免费开源5【AI大模型前沿】TRELLIS:微软、清华、中科大联合推出的高质量3D生成模型6【AI大模型前沿】Migician:清华、北大、华科联手打造的多图像定位大模型,一键解决安防监控与自动驾驶难题7【AI大模型前沿】DeepSeek-V3-0324:AI 模型的全面升级与技术突破8【AI大模型前沿】BioMedGPT-R1:清华联合水木分子打造的多模态生物医药大模型,开启智能研发新纪元9【AI大模型前沿】DiffRhythm:西北工业大学打造的10秒铸就完整歌曲的AI歌曲生成模型10【AI大模型前沿】R1-Omni:阿里开源全模态情感识别与强化学习的创新结合11【AI大模型前沿】Qwen2.5-Omni:

By Ne0inhk

CompreFace:企业级开源人脸识别系统的技术突破与实践应用

CompreFace:企业级开源人脸识别系统的技术突破与实践应用 【免费下载链接】CompreFaceLeading free and open-source face recognition system 项目地址: https://gitcode.com/gh_mirrors/co/CompreFace 在当前数字化转型浪潮中,企业级人脸识别技术正面临着部署成本高昂、技术门槛过高、数据隐私安全等多重挑战。传统的商业人脸识别解决方案往往需要巨额投入,同时缺乏透明度和定制灵活性。CompreFace作为领先的免费开源人脸识别系统,通过其完整的技术架构和丰富的功能模块,为企业用户提供了全新的解决方案。 技术痛点与行业挑战 企业部署人脸识别系统时普遍遭遇以下困境: * 高昂的许可费用 - 商业解决方案动辄数万元的年度授权费用 * 技术依赖风险 - 闭源系统的算法黑盒化导致技术不可控 * 数据安全隐患 - 云端服务存在数据泄露风险 * 定制化困难 - 标准产品难以满足特定业务需求 CompreFace的技术架构优势 CompreFace采用微服务架构设计,将人脸识别

By Ne0inhk