ota

@ota 解决了，我显卡驱动没有安装完整，无法打开 amd software ，然后重装了下，发现 pycharm 也能打开了。
神奇。不知道依赖到了显卡的什么库。

@jbw01906 有装什么依赖吗？
我又重新试了下，我装的是日文版的 windows11pro （微软官方下的 Win11_24H2_Japanese_x64 ），和语言以及 win11 的版本应该没太大关系，因为我 pc 机也是这个版本。
联想那里下了所有驱动，安装完毕。
然后直接就安装 pycharm 了。

还是无法启动，错误提示就是 a facet deleted java runtime environment
但我又更新了 jre 也没有改善，能告知一下你用的是什么版本的 win ？

@imzcg2 这个我找过了，没有记录，报错也没有。

不带情怀，单纯的觉得要避开国产，大部分原因是国产的安装包很大，被植入很多无用组件。
我到手三星的 s9 第一件事就是刷成国际版，然后系统就顺滑无比，不知道为什么。

@mumbler @jun0205 原来如此，没注意到，就看了后台的模型列表了。

@johnny2inc 的确，如果跑一些敏感数据，有必要跑在本地或者说自己部署（远程也一样）。现在一键安装包，docker 部署也在普及，这类更多的是想做一些其他非常规用途感觉。大部分在线服务已经在整合了，并不是完全竞争的关系，都在做细分领域的深耕及并存关系，比如 sd 和 mj 的关系。后面随着 flux 异军突起，包容性会越来越强，所以也是导致我不太明显需要自己部署到本地的理由是什么。感觉是想训练模型是假，想在现有的模型里添加 uncen 内容才是真的。我也理解性是第一生产力，但还是觉得有点小众，而且无法正常出道，擦边球的生成大部分在线也能搞定，所以又回到自建的必要性了。

而且这种需求需要的代价挺大的，我看了 scaleway 或者 hz 提供的 gpu 服务器，要达到 1500TFLOPS 最低成本起码在 7-8k rmb 每月，除非是真的想要弄落地应用，不然真的很烧钱，这就是另外一码事了，目标明确就是要做那些公开平台无法实现的内容提供者。如果自建，存在硬件上的劣势，多路 gpu ，4090 起步等，这些成本不低的情况下，仅仅是想保证出图的稳定性和自主性，感觉有点轮子的嫌疑。而且回到开头说的，这些硬件的搭建加上部署，真的很烧时间，ai 的进步太快了，我觉得还停留在 installation 的第 0 阶段实属有点浪费时间，还不如尽可能把大模型和插件吃透。因为看了 huggface 后，真的没办法一个一个玩，更别说自己一个一个部署了。现在也在慢慢出现通用 api 的中间件，用来调用各大模型的 api ，感觉这才是最终形态。不然玩一个模型就要了解一个 api ，太累了。

关于误人子弟的确说过了，只能说了解原理对一部分人来说还是有必要的，就得看每个人的需求了。