星巴克推出Web3平台;天啦噜,AI绘画能007了;『决策算法』电子书;合成人脸数据集;面向数据的版本控制;前沿论文 | ShowMeAI资讯日报

Dolt - 一个像Git一样工作的SQL数据库 ​如前所述,Dolt是一个基于SQL的数据库,它允许你像Git仓库一样维护你的数据库。它结合了Git和SQL的所有优秀特性,为你提供了一个令人惊叹的体验。Dolt带有一个强大的CLI,类似于Git,你可以应用你在Git中的知识轻松地与团队成员一起提交、合并和推送数据库更改。 ​ 阅读详情

👀日报合辑 | 📆电子月刊 | 🔔公众号下载资料 | 🍩@韩信子

📢 星巴克推出 Web3 平台 Starbucks Odyssey

https://stories.starbucks.com/press/2022/starbucks-brewing-revolutionary-web3-experience-for-its-starbucks-rewards-members/

9 月 12 日星巴克宣布推出 Web3 平台 Starbucks Odyssey,将星巴克的忠诚度计划 Starbucks Rewards 与 NFT 平台相结合,允许客户赚取和购买数字资产,从而解锁独家体验和奖励。Starbucks Odyssey 的所有 NFT 都由星巴克与艺术家共同创作,可以登录参与设定的互动游戏等获取,也可以使用信用卡直接购买。NTF 的积分可用于体验星巴克的酒类制作课程、参加星巴克的烘焙活动等。

此外,值得注意的是,Starbucks Odyssey 平台将由以太坊扩容方案 Polygon 提供技术支撑,以降低可能的昂贵的链上交易成本。Polygon 官方也于同一时间发推表示合作愉快。

工具&框架

🚧 『AI Art Generator』AI艺术作品自动生成器

https://github.com/rbbrdckybk/ai-art-generator

AI Art Generator 用于在本地自动批量基于 AI 创建艺术作品(绘画)。它将充分利用你的GPU进行 7X24 小时创作艺术画,能够自动生成 prompt 队列,结合用户选择的主题、风格/ 艺术家等进行工作。

🚧 『van-blog』简洁实用优雅的高性能个人博客系统

https://github.com/Mereithhh/van-blog

https://vanblog.mereith.com/

VanBlog 是一款简洁实用优雅的高性能个人博客系统。支持 HTTPS 证书全自动按需申请、黑暗模式、移动端自适应和评论,内置流量统计与图床,内嵌评论系统,配有完备的、支持黑暗模式、支持移动端、支持一键上传剪切板图片到图床、带有强大的编辑器的后台管理面板。

🚧 『PaddleScience』基于 PaddlePaddle 开发 AI 驱动科学计算应用的 SDK和库

https://github.com/PaddlePaddle/PaddleScience

https://paddlescience.paddlepaddle.org.cn/

PaddleScience 基于 PaddlePaddle 框架构建,充分使用了其生态下的软件组件,用于开发新的科学计算应用。覆盖的领域包括物理信息机器学习、基于神经网络的PDE求解器、用于 CFD 的机器学习等等。PaddleScience 仍在不断开发和更新中。

🚧 『CvComposer』OpenCV的高级图形界面,可方便构建工作流、快捷查看结果

https://github.com/wawanbreton/cvcomposer

CvComposer 是一个 OpenCV 的图形界面工具。它让你轻松使用和组合多种处理功能,并实时看到效果。典型的应用包括:

  • 通过观察单个函数的效果来学习 OpenCV
  • 通过组合函数来设计复杂的图像视觉算法
  • 微调参数(阈值、核大小…)

🚧 『Dolt』面向数据的版本控制,数据的 Git,13K Star

https://github.com/dolthub/dolt

Dolt 是一个 SQL 数据库,你可以像 Git 仓库一样克隆、分支控制、合并、推送和拉取操作。将MySQL 数据库连接到 Dolt,运行查询或使用 SQL 命令更新数据都很方便。它支持使用命令行界面导入 CSV 文件,提交你的修改,推送到远程,或合并团队其他同学的修改。所有 Git 的命令在 Dolt 上都保持了一致性,可以放心使用。

博文&分享

👍 『Algorithms for Decision Making』决策算法·免费书

https://algorithmsbook.com/

PDF 下载:https://algorithmsbook.com/files/dm.pdf

本书对不确定条件下的决策算法作了广泛的介绍,内容涵盖了与决策有关的各种主题,介绍了基本的数学问题公式和解决这些问题的算法。包含以下主题:

第一部分:概率推理

  • 表征
  • 推理
  • 参数学习
  • 结构学习
  • 简单决策

第二部分:顺序问题

  • 精确解法
  • 近似值函数
  • 在线规划
  • 政策搜索
  • 政策梯度估计
  • 政策梯度优化
  • 角色批判方法
  • 政策验证

第三部分:模型的不确定性

  • 探索和利用
  • 基于模型的方法
  • 无模型的方法
  • 模仿学习

第四部分:状态的不确定性

  • 信念
  • 准确的信念状态规划
  • 离线信念状态规划
  • 在线信念状态规划
  • 控制器抽象

第五部分:多Agent系统

  • 多Agent推理
  • 序列问题
  • 状态的不确定性
  • 协作代理

👍 『A Short Chronology Of Deep Learning For Tabular Data』表格数据深度学习简明清单

https://sebastianraschka.com/blog/2022/deep-learning-for-tabular-data.html

我们知道深度学习非常适合非结构化数据,深度学习有时被称为『表征学习』,因为它的优势在于学习特征提取的能力。大多数结构化(表格)数据集已经表示了(通常是手动)提取的特征,但许多研究人员最近试图为结构化数据集开发特殊用途的深度学习方法。这篇内容整理和更新了结构化数据上的深度学习研究和应用资源列表。

数据&资源

🔥 『Synthetic Faces High Quality (SFHQ) Dataset』合成人脸高质量数据集

https://github.com/SelfishGene/SFHQ-dataset

这个数据集由 3 个部分组成,每个部分包含大约 9 万张精心收集的高质量 1024x1024 的合成脸部图像。它是通过使用『将图像编码到 StyleGAN2 潜在空间,并操作将每个图像变成一个照片般的真实图像』得到。该数据集还包含面部关键点和解析语义分割图。

🔥 『Collaborative Perception』协同感知相关文献列表

https://github.com/Little-Podi/Collaborative_Perception

该项目是 V2I / V2V / V2X 自动驾驶场景下的协作 / 合作 / 多代理感知的最新进展的论文摘要。论文按第一个字符的字母顺序列出。所有论文和代码的链接都可以免费访问。

研究&论文

可以点击 这里 回复关键字 日报,免费获取整理好的论文合辑。

科研进展

  • 2022.08.26 『视频检索』 Partially Relevant Video Retrieval
  • 2022.02.12 『目标检测』 Depth-Cooperated Trimodal Network for Video Salient Object Detection
  • 2022.01.01 『对比学习』 Cross-View Language Modeling: Towards Unified Cross-Lingual Cross-Modal Pre-training

⚡ 论文:Partially Relevant Video Retrieval

论文时间:26 Aug 2022

领域任务:Moment Retrieval, Multiple Instance Learning, 视频检索,计算机视觉

论文地址:https://arxiv.org/abs/2208.12510

代码实现:https://github.com/HuiGuanLab/ms-sl

论文作者:Jianfeng Dong, Xianke Chen, Minsong Zhang, Xun Yang, ShuJie Chen, Xirong Li, Xun Wang

论文简介:To fill the gap, we propose in this paper a novel T2VR subtask termed Partially Relevant Video Retrieval (PRVR)./为了填补这一空白,我们在本文中提出了一个新的T2VR子任务,即部分相关视频检索(PRVR)。

论文摘要:目前的文本-视频检索(T2VR)方法是在面向视频字幕的数据集(如MSVD、MSR-VTT和VATEX)上进行训练和测试。这些数据集的一个关键属性是,视频被假定为时间上的预剪短,而提供的标题很好地描述了视频内容的要点。因此,对于一个给定的成对的视频和标题,视频应该是与标题完全相关的。然而,在现实中,由于查询并不是预先知道的,预先修剪的视频片段可能不包含足够的内容来完全满足查询。这表明文献和现实世界之间存在差距。为了填补这一空白,我们在本文中提出了一个新的T2VR子任务,即部分相关视频检索(PRVR)。如果一个未经修剪的视频包含了与查询相关的时刻,那么它就被认为与给定的文本查询部分相关。PRVR旨在从一大批未修剪的视频中检索出这些部分相关的视频。PRVR不同于单一视频时刻检索和视频语料库时刻检索,因为后两者要检索的是时刻而不是未修剪的视频。我们将PRVR表述为一个多实例学习(MIL)问题,即一个视频同时被视为一袋视频片段和一袋视频帧。片段和帧代表不同时间尺度的视频内容。我们提出了一个多尺度相似性学习(MS-SL)网络,为PRVR共同学习片段尺度和帧尺度的相似性。在三个数据集(TVR、ActivityNet Captions和Charades-STA)上的广泛实验证明了所提方法的可行性。我们还表明,我们的方法可用于改善视频语料库的时刻检索。

⚡ 论文:Depth-Cooperated Trimodal Network for Video Salient Object Detection

论文时间:12 Feb 2022

领域任务:object-detection, Optical Flow Estimation, 目标检测,光流预估

论文地址:https://arxiv.org/abs/2202.06060

代码实现:https://github.com/luyukang/DCTNet

论文作者:Yukang Lu, Dingyao Min, Keren Fu, Qijun Zhao

论文简介:However, existing video salient object detection (VSOD) methods only utilize spatiotemporal information and seldom exploit depth information for detection./然而,现有的视频突出对象检测(VSOD)方法只利用时空信息,很少利用深度信息进行检测。

论文摘要:深度可以为突出物体检测(SOD)提供有用的地理线索,并且在最近的RGB-D SOD方法中被证明是有用的。然而,现有的视频突出对象检测(VSOD)方法只利用时空信息,很少利用深度信息进行检测。在本文中,我们提出了一个深度合作的三模网络,称为用于VSOD的DCTNet,这是一项结合深度信息来辅助VSOD的开创性工作。为此,我们首先从RGB帧中生成深度,然后提出一种不平等地处理三种模式的方法。具体来说,我们设计了一个多模态注意力模块(MAM)来模拟主模态(RGB)和两个辅助模态(深度、光流)之间的多模态长程依赖关系。我们还引入了一个细化融合模块(RFM)来抑制每个模态中的噪音,并动态地选择有用的信息来进一步细化特征。最后,在细化特征后采用渐进式融合策略,实现最终的跨模态融合。在五个基准数据集上的实验证明了我们的深度合作模型相对于12种最先进的方法的优越性,深度的必要性也得到了验证。

⚡ 论文:Cross-View Language Modeling: Towards Unified Cross-Lingual Cross-Modal Pre-training

论文时间:1 Jun 2022

领域任务:Contrastive Learning, Language Modelling, 对比学习,语言模型

论文地址:https://arxiv.org/abs/2206.00621

代码实现:https://github.com/zengyan-97/cclm

论文作者:Yan Zeng, Wangchunshu Zhou, Ao Luo, Xinsong Zhang

论文简介:To this end, the cross-view language modeling framework considers both multi-modal data (i. e., image-caption pairs) and multi-lingual data (i. e., parallel sentence pairs) as two different views of the same object, and trains the model to align the two views by maximizing the mutual information between them with conditional masked language modeling and contrastive learning./为此,跨视图语言建模框架将多模态数据(即图像-标题对)和多语言数据(即平行句子对)视为同一对象的两个不同视图,并通过条件掩码语言建模和对比学习,使两个视图之间的相互信息最大化来训练模型,使其协调一致。

论文摘要:在本文中,我们介绍了跨视图语言建模,这是一个简单而有效的语言模型预训练框架,它将跨语言跨模式预训练与共享架构和目标统一起来。我们的方法源于一个关键的观察,即跨语言和跨模态的预训练有着相同的目标,即把同一对象的两个不同的观点统一到一个共同的语义空间。为此,跨视图语言建模框架将多模态数据(即图像-标题对)和多语言数据(即平行句对)视为同一对象的两个不同视图,并通过条件掩蔽语言建模和对比学习使两个视图之间的相互信息最大化来训练模型。我们用跨视图语言建模框架预先训练CCLM,一个跨语言的跨模态语言模型。在IGLUE(一个多语言多模态基准)和两个多语言图像-文本检索数据集上的实证结果表明,虽然概念上比较简单,但CCLM明显优于之前的最先进水平,平均绝对改进超过10%。值得注意的是,CCLM是第一个多语言多模态模型,通过零点跨语言转移,超越了有代表性的英语视觉语言模型的翻译测试性能。

我们是 ShowMeAI,致力于传播AI优质内容,分享行业解决方案,用知识加速每一次技术成长!

◉ 点击 日报合辑,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。

◉ 点击 电子月刊,快速浏览月度合辑。

◉ 点击 这里 ,回复关键字 日报 免费获取AI电子月刊与论文 / 电子书等资料包。

Linux系统搭建轻量级个人博客VanBlog并一键发布公网远程访问 今天和大家分享如何在Linux Ubuntu系统搭建一款轻量级个人博客VanBlog,并结合cpolar内网穿透软件生成公网地址,轻松实现随时随地远程访问本地部署的站点。无需公网IP,也不用设置反向代理那么麻烦。现在个人建站可以选择的平台很多,之前也和大家分享过如何使用WordPress建站的教程。不过对于新手来说可能需要的专业知识会更多一些,相对来说稍微有点难度。今天要说的这款轻量级的个人博客系统VanBlog,搭建起来更简单,即使新手小白也很容易上手。 阅读详情

相关推荐

云原生之使用Docker部署vanblog个人博客平台

云原生之使用Docker部署vanblog个人博客平台

jks212454的博客 1908

探索SFHQ数据集:高质量合成人脸的宝库

探索SFHQ数据集:高质量合成人脸的宝库 项目介绍 SFHQ(Synthetic Faces High Quality)数据集 是一个包含约425,000张1024x1024分辨率的高质量合成人脸图像的集合。这些图像通过多种“灵感”来源(如绘画、3D模型、文本到图像生成器等)生成,并经过精心筛选和处理,以确保其照片真实性和高质量。数据集不仅包含图像,还提供了面部 landmarks(110个标记点...

gitblog_00424的博客 738

dolthub-cypress:一套针对DoltHub(dolthub.com)的赛普拉斯测试套件

多柏柏 一组用编写的,用于UI测试测试。 安装 $ yarn && yarn compile 运行测试 您可以针对部署的产品(dolthub.com)或针对本地Web服务器( localhost:3000 )运行我们的赛普拉斯套件。 要针对生产运行测试,您只需运行以下命令: # runs tests using the full UI in Chrome against prod (recommended) $ yarn cy-open # runs tests against prod (default browser is Electron) $ yarn cy-run # runs tests headless against prod (using Chrome) $ yarn cy-chrome 要针对本地Web服务器运行测试,请确保您正在运行服务器。 (请注意:此选项当

【亲测免费】 探索超高品质合成人脸数据集——SFHQ

探索超高品质合成人脸数据集——SFHQ 项目简介 SFHQ是一个独特的开源数据集,它由约425,000张高清晰度的1024x1024像素合成人脸图片组成。这些图像经过精心设计和处理,将多种灵感来源(如画作、素描、3D模型、文本到图像生成器等)转化为逼真的照片级图像。利用StyleGAN2潜在空间的编码和微调,以及半自动工具视觉品味近似器,实现了对候选图像的筛选和优化。 此外,该数据集还包含了面部...

gitblog_00050的博客 926

django drf 框架知识点(一)——serializer序列化器_用法全解

【django drf】序列化器:别名设置,全部参数序列化,自定义字段,只读只写,部分更新

qq_59344127的博客 1339

吹气压力传感器US6310 US6330调试

更换压力传感器, 从US6310 更换为US6330。 6310有一个准备好引脚,AD转换完成后会给MCU一个脉冲 而6330就没有这个功能,6330这个引脚是用来选择SPI还是I2C接口的。(6330没有复位引脚,内部有POR功能) 因此在实现上是有根本区别的, 其它方面使用的命令也不一样, 6310 A8 A9两条命令,一个命令模块醒来,一个命令模块休眠, 6330只有一条命令AA, 命令模块开始转换。 针对这2个模块作为2种处理方法, 1. 6310,可以设置一...

明天乌儿会歌唱 2027

SFHQ-Dataset 使用教程

SFHQ-Dataset 使用教程 1. 项目的目录结构及介绍 SFHQ-Dataset 是一个包含 425,000 张 1024x1024 分辨率合成人脸图像的数据集。以下是该项目的目录结构及各部分介绍: SFHQ-dataset/ ├── data/ │ ├── images/ │ └── metadata/ ├── scripts/ ├── README.md ├── LICENSE...

gitblog_00103的博客 523

扫码器USB键盘报告描述符数据格式解析

Byte0用于判断Shift是否按下,当按下时Byte0的Bit1会置1,即0x02,若未按下,Bit为0,即0x00。0x00 0x00 0x00 0x00 0x00 0x00 0x00--->>未按下Shift。0x00 0x00 0x00 0x00 0x00 0x00 0x00--->>按下Shift。0x00 0x04 0x00 0x00 0x00 0x00 0x00--->>输出A。0x00 0x04 0x00 0x00 0x00 0x00 0x00--->>输出a。

m0_65548585的博客 1142

DoltLab本地部署实践

DoltLab本地部署实践

有问题请直接说问题就好 1168

5、卡尔ibration中Denavit - Hartenberg与Hayati约定的转换

本文详细介绍了机器人运动学中Denavit-Hartenberg(DH)参数与Hayati参数的定义、适用场景及其相互转换方法。重点分析了两种参数在描述关节坐标系变换时的差异,特别是在处理平行或接近平行关节轴时的稳定性问题,并给出了从DH到Hayati及反向转换的具体数学公式与流程图。通过参数转换,可在不改变运动学模型的前提下提升建模精度与计算鲁棒性,适用于机器人标定与运动学分析等应用场景。

h0i1j2k3l的博客 121

AI Agent Harness Engineering 的“热插拔”能力:模块化设计思路

本文我会结合我在大厂做AI Agent平台的实战经验,从核心概念、架构设计、代码实现、落地实战多个维度,给大家详细讲解AI Agent Harness Engineering的核心能力——热插拔的模块化设计思路。我们会从问题根源出发,一步步搭建一个完整的支持热插拔的Agent Harness框架,包含组件抽象、注册中心、生命周期管理、配置驱动、容错机制等核心模块。

AI天才研究院 503

探索数据的新维度:Dolt——数据界的Git!

在这个数据爆炸的时代,我们需要更智能的方式来管理和协作数据。这就是Dolt的诞生背景——一个将Git的强大版本控制功能引入数据库领域的创新工具。想象一下,如果Git和MySQL孕育了一个孩子,那便是Dolt,一个集版本控制与SQL数据库于一身的神器。 ## 项目简介 Dolt不仅仅是一个数据库,它是一个全新的数据生态系统。通过它的Git-like命令行界面,你可以像处理代码一样操作数据:克隆、

gitblog_00013的博客 564

【Python LeetCode 专题】面试经典 150 题

面试经典 150 题

一杯水果茶!足矣~ 1177

Dolt与DoltHub集成:云端数据协作平台的终极使用指南

在当今数据驱动的时代,如何高效管理和协作数据成为了每个团队面临的挑战。Dolt作为全球首个支持Git式版本控制的SQL数据库,与DoltHub云端平台的无缝集成,为数据协作带来了革命性的变革。本指南将带你深入了解这个强大的云端数据协作平台。 ## 🚀 什么是Dolt和DoltHub? Dolt是一个开源的SQL数据库,具有Git风格的版本控制功能。它允许你对数据进行分支、合并、提交和回滚操作

gitblog_01092的博客 1013

如何在非序列模式下使用类似图像模功能

如何在非序列模式下使用类似图像模功能

weixin_72050316的博客 553

RK3568平台开发系列讲解(中断及异常篇)中断下半部:中断线程化

以前用 work 来线程化地处理中断,一个 worker 线程只能由一个 CPU 执行, 多个中断的 work 都由同一个 worker 线程来处理,在单 CPU 系统中也只能忍着 了。少数中断不能线程化,典型的例子是时钟中断,有些流氓进程不主动让出处理器,内核只能依靠周期性的时钟中断夺回处理器的控制权,时钟中断是调度器的脉搏。中断处理线程是优先级为50、调度策略是SCHED_FIFO的实时内核线程,名称是“irq/”后面跟着Linux中断号,线程处理函数是。,说明是线程化的中断,那么唤醒中断处理线程。

内核笔记 436

大模型的忠诚度,字节开发seed-tts,提示词攻击介绍

本文介绍了大模型训练、推理的基本逻辑,并以Transformer为例,分析了其特点和优势。来源:https://www.infoq.cn/article/c965120d46e5bc4d5d790d1a7我们将介绍提示词注入的工作原理、常见类型以及潜在的风险和后果。你将了解提示词注入如何使得系统生成错误信息、编写恶意软件,甚至可能导致数据泄露和系统远程接管。视频还会探讨应对提示词注入的多种方法,包括数据审查、最小权限原则、人类反馈强化学习等。

一支烟一朵花 3418

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Agent 核心能力:工具使用详解,零基础入门到精通,收藏这一篇就够了

工具使用对智能体而言至关重要,它不仅显著扩展了智能体的能力范围,使其能够高效执行如实时信息获取、复杂数据分析等高级任务,还提升了任务精度和用户体验的丰富性;此外,工具的集成增强了智能体的适应性和可扩展性,使其能够在不断变化的环境中保持灵活更新,从而更好地满足多样化的用户需求。工具使用(也称函数调用)是指通过定义和调用外部工具或函数来扩展大模型的能力。我们可以让大模型访问一组预定义的工具,它可以在任何时候调用这些工具。工具允许我们编写代码,执行大模型无法完成的特定任务或计算。

leah126的博客 9318

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

Dolt:数据版的Git,让数据库管理更智能

Dolt 是一款革命性的 SQL 数据库,它将 Git 的版本控制功能与 MySQL 的数据管理能力完美结合。Dolt 允许用户像操作 Git 仓库一样,对数据库进行 fork、clone、branch、merge、push 和 pull 等操作。通过 Dolt,用户可以轻松地管理数据库的版本历史,实现数据变更的追踪和回滚,极大地提升了数据管理的灵活性和安全性。 ## 项目技术分析 Dolt

gitblog_00591的博客 1157

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Agent 核心能力:工具使用详解

工具使用对智能体而言至关重要,它不仅显著扩展了智能体的能力范围,使其能够高效执行如实时信息获取、复杂数据分析等高级任务,还提升了任务精度和用户体验的丰富性;此外,工具的集成增强了智能体的适应性和可扩展性,使其能够在不断变化的环境中保持灵活更新,从而更好地满足多样化的用户需求。工具使用(也称函数调用)是指通过定义和调用外部工具或函数来扩展大模型的能力。我们可以让大模型访问一组预定义的工具,它可以在任何时候调用这些工具。工具允许我们编写代码,执行大模型无法完成的特定任务或计算。简而言之:使用工具是增强大模型功能

m0_59164520的博客 3万+

朱啸虎:AI应用明年肯定大爆发;第3款爆火AI游戏出现了;AI应用定价策略「不能说的秘密」;人类数据不够用了怎么办 | ShowMeAI日报

日报关键词:🉑国内第3款爆火AI游戏;零一万物发布更新;🉑DeepSeek V2即将开启一轮巨变;🉑AI应用明年肯定大爆发;🉑AI应用的定价策略;各国AI初创公司数量;🉑盘点人类各型数据规模……点击阅读原文

ShowMeAI研究中心 1274

高性能个人博客系统VanBlog

VanBlog 是一款简洁实用优雅的高性能个人博客系统。

wbsu2004的博客 8423

分享一个个人博客神器 VanBlog

如果你没有接触过 docker,可以查看 我这篇文章安装Docker 的教程。一句话,真的好用,各种功能一应俱全,废话不多说,开始吧。这是前台页面,我已经发布了一篇文章。可以用你的服务器公网ip访问看看。

奇点的博客 765

探索 VanBlog:一个简洁高效的个人博客框架

是一款由[Mereithhh](https://gitcode.net/Mereithhh)开发的开源个人博客系统,它基于现代Web技术和前后端分离的设计理念,为个人博主提供了一个轻量级、易于定制且高度可扩展的平台。本文将详细介绍VanBlog的技术特性、可用性及其优势,以吸引更多用户尝试并使用这款优秀的项目。 ## 技术栈分析 VanBlog 的核心技术栈包括: 1. **前端**:采用现...

gitblog_00002的博客 744

VanBlog: 一款简洁实用优雅的高性能个人博客系统

公众号关注「奇妙的 Linux 世界」设为「星标」,每天带你玩转 Linux !今天推荐的这个项目是「van-blog」,一款简洁实用优雅的高性能个人博客系统。VanBlog 支持 HTTPS 证书全自动按需申请、黑暗模式、移动端自适应和评论,内置流量统计与图床,内嵌评论系统,配有完备的、支持黑暗模式、支持移动端、支持一键上传剪切板图片到图床、带有强大的编辑器的后台管理面板。支持多种主题:Van...

easylife206的专栏 1739

开源项目 | VanBlog是一款简洁、实用、优雅的个人博客系统、具有无限的可扩展性

VanBlog是一款简洁、实用、优雅的个人博客系统,支持全自动按需申请HTTPS证书、黑暗模式、移动端自适应和评论功能。它内置了流量统计和图床,并集成了评论系统。此外,VanBlog还具有无限的可扩展性,提供完备的后台管理面板,支持黑暗模式、移动端、一键上传剪贴板图片到图床,并带有强大的编辑器。

andgg的博客 952
上一篇: AI医疗高精尖!基于AI的新药研发!
下一篇: 2022!影响百万用户金融信用评分,Equifax被告上法庭,罪魁祸首——『数据漂移』!
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ShowMeAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值