使用PicGo和Typora写Markdown

本文介绍如何使用GitHub仓库和PicGo软件搭建个人图床,解决Markdown写作中图片存储和引用的问题。通过创建GitHub仓库、生成token及配置PicGo,实现图片自动上传至GitHub,方便Markdown文档的图片管理。

前言

喜欢写博客的朋友们经常会选择使用Markdown格式,因为现在主流的博客平台都支持并推荐使用Markdown。但是不好的地方是,在Markdown中显示图片成了问题,因为需要一个图床来保存图片,只需要引入图片链接即可,虽然已经有了很多免费图床,但有时候会失效,所以还是推荐搭建自己的图床,这里,选择使用github免费仓库和PicGo来搭建自己的图床

下载 PicGo

PicGo下载链接为

https://github.com/Molunerfinn/PicGo/releases

选择对应自己的系统版本的最新版本下载安装即可

然后,官方文档为

https://picgo.github.io/PicGo-Doc/zh/guide/config.html#%E5%9B%BE%E5%BA%8A%E5%8C%BA

配置Github

默认你已经会Github的账户

  1. 在你的github新建一个仓库并初始化,并记录你的仓库名

  2. 访问:https://github.com/settings/tokens 生成一个token用于PicGo操作你的仓库

    点击Generate new token,填入描述

    repo的勾打上即可。然后翻到页面最底部,点击Generate token的绿色按钮生成token。

注意:这个token生成后只会显示一次!你要把这个token复制一下存到其他地方以备以后要用。

  1. 配置PicoGo

    仓库名的格式是用户名/仓库,比如我创建了一个叫做ImageBed的仓库,在PicGo里我要设定的仓库名就是WindSunny/ImageBed。一般我们选择master分支即可。然后记得点击确定以生效,然后可以点击设为默认图床`来确保上传的图床是GitHub。

然后在你写Markdown时候,点击相册中的图片下的复制就可以了引入图片了

typora下载

推荐使用typora编写markdown,下载地址:

https://www.typora.io/#download

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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