BAE上部署Ghost开发版

本文详细介绍如何在BAE上部署Ghost博客系统,包括申请账号、配置私有MySQL服务、设置BOS对象存储、获取及修改源码、推送代码到BAE等步骤。

首先申请BAE账号,然后来到BAE控制台添加部署

注意内存要选256M的,Ghost需要的内存超过140M,代码版本工具选git

添加私有mysql服务,来到控制台

选私有mysql,因为免费的mysql有长连接问题,需要修改到knex module,这里没办法改。网上改连接池数目到0,或者捕捉ERESET异常的办法都没有效。


添加完之后,可以在扩展服务列表里,找到新添加的数据库,里面可以看到数据库地址,这个地址等下要填到配置文件里的

申请开通BOS(对象存储),然后来到BOS控制台新建Bucket

新建一个你自己的bucket,等下bucket的名字要填到配置文件里

获取源码

Ghost项目官方地址,如果不想从官网源码开始改,也可以用我已经改好的
git clone https://github.com/qdk0901/Ghost.git -b baidu_bce_github
git checkout -b master (新建一个master分支,因为BAE只认master分支)
克隆完成如下图

获取BAE部署的git项目地址

修改配置文件

打开config.example.js,主要修改如下内容,其中AK/SK从安全认证里获取
if (process.env.SERVER_SOFTWARE == 'bae/3.0') {
    config.development.database = {
        client: 'mysql',
        connection: {
            host     : '<private mysql address>',//这里填你的私有mysql地址
            port    : '10396',
            user     : '<ak>', //填你的Access key
            password : '<sk>', //填你的Secret key
            database : '<database name>', //填你的数据库名
            charset  : 'utf8'
        },

        debug: false,
    };
    console.log('database switch to mysql for BAE');
}

config.development.storage = {
    active: 'baidu-bce',
    //active: 'aliyun-oss',
    config: {
        baiduBce: {
            credentials: {
                ak: '<ak>', //填你的Access key
                sk: '<sk>' //填你的Secret key
            },
            endpoint: 'http://bj.bcebos.com',
            bucket: '<your bucket>', //填你的Bucket名
            objectUrlPrefix: 'http://<填你的Bucket名>.bj.bcebos.com'
        }
    }
}
添加BAE git项目作为remote
git remote add bae https://git.duapp.com/appidf29vg2kvng
git pull bae master (把BAE上的东西拖下来合并,之后会package.json有冲突,把冲突解决掉重新提交就可以了)
git push bae master (把本地代码推送到bae去)
代码push完,结果如下图

一切准备好,就可以到BAE部署列表里去发布项目了,第一次发布会比较久,发布正常后,效果如下

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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