vuepress小课堂007-vuepress&github&travis CI

vuepress-login:为VuePress添加用户授权 Vuepress登录 为VuePress添加用户授权 清除登录状态 例子 以下站点的实时示例 输入任何用户名和密码以获取经验 源代码 请访问 安装插件 为模态对话框安装v-dialogs插件 # npm npm i v-dialogs -D # yarn yarn add -D v-dialogs 创建登录表单文件 添加用于登录表单的Login.vue文件,显示在“模态”对话框中 < template> < div xss=removed> < div xss=removed>User Name</ div> < div> < input type = " text " class = " form-control " v-model = " username " > </ div> 立即下载

以下两篇文章写的极棒,读后再动手实践以下基本上就明白了

travis配置
https://blog.youkuaiyun.com/github_35432979/article/details/100032554

自定义域名
https://www.jianshu.com/p/2647e079741f

需要注意的是

github授权travis 最后给最大授权 不然可能会报错(主要是我不知道开启多少授权是正好部署成功的)

阿里云域名购买并认证后 立刻可以使用

vuepress部署文件基本什么都不用动就能用

.travis.yml里面
github_token: $GITHUB_TOKEN
可以写成
token: $GITHUB_TOKEN
travis自己可以知道

中心思想就是配置travis,需要先得到github的token,并到travis官网,把其放到关联项目-setting面板的global变量中,让travis得到访问github的授权,就可以按照travis文件的指令开始编译了

travis编译后,会自动生成一个 gh-pages分支,在setting的pages小面板中改成此分支 添上域名,这样就完成了整个儿的套路

VuePress-GithubPages-TravisCI 最终效果 思路 总体 VuePress在本地完成项目的源文件,按入Github触发Travis CI自动生成目标文件,完成后自动部署到另一个Github分支,此后作作在线文档使用。 在Github上创建两个分支master和gh-pages , master用于上传源文件和触发Travis CI自动执行重建,部署脚本, gh-pages保存Github Pages的最终页面。 完成上述操作之后就可以立即修改文本源文件Markdown里面的内容,推送到Github。TravisCI可以自动重建,部署,从而简化工作流程。 过程 在本地创建配置VuePress工程上载到master分支 添加成功后触发TravisCI开始自动构建 构建完成后将最终页面推送到gh-pages分支 用到的东西 SSH密钥链接Github VuePress目录文件结构 VuePress配置文件 TravisCI自动构 立即下载

相关推荐

mosquito:mosquito文档管理系统,支持流程图,思维导图,vuepress在线编辑发布,office系列在线编辑,分享协作,window桌面式文件管理

mosquito 背景 对比目前市面所有文档系统,发现功能过于单一,对公司的共享目录文档管理方式无法兼容,共享文档安全性低 同时互联网对文档管理更加偏向文本化(markdown,html,docx),平台间更易兼容。 目前市面上文档管理系统比较: wookteam:支持在线文档(markdown+流程图),不支持其他文档,不支持备份导出转换,。 wiki(confluence+MediaWiki+Docsify+vuepress):支持富客户端+markdown,不支持其他文档管理。 showdoc:支持在线接口api定制,markdown格式,无法支持其他文档。 vuepress: 支持markdown写作,需要安装辅助和熟悉前端语言,必须线下操作,部署麻烦。 简介 mosquito是一款以文件系统作为基础的在线文档管理系统, 在线文档管理系统功能包括: 基于目录树/window桌面的在

VuePress + Travis CI + Github Pages 全自动上线文档

1.Github 创建项目,本地创建切换到 docs 分支,通过 VuePress 构建文档项目(写一些文档),上传至 Github。2.使用 Github 创建项目 [name].github.io,例如我的文档是 codexu.github.io,关联到本地。因为在这个项目下,可以直接使用 https://[name].github.io/ 域名,短小精悍~因为在 [name].github.io 项目下没得选,你也可以换个其他仓库,就可以避免这个问题。,使用 Github 登陆, 进入。

github_35432979的博客 1094

YOLO26算法车道线检测+训练好的模型+360张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[未获取()] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 55 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9512** mAP50-95 | 0.6746 Precision | 0.8796 Recall | 0.8825 train/box_loss | 0.8608 train/cls_loss | 0.7232 val/box_loss | 0.9955 val/cls_loss | 0.5511 【训练过程分析】 这轮训练我经历了从初始到稳定的曲折过程。前 20 个epoch,loss 曲线呈现了陡峭的下降趋势,mAP50 指标从 0.8 开始逐步攀升,仿佛在寻找一个合适的平衡点。然而,从第 21 个epoch 开始,mAP50 的提升速率显著放缓,整体曲线显得有些曲折,有时甚至停滞不前,让我一度以为训练出现了问题。直到第 35 个epoch,loss 开始逐渐趋于平稳,这标志着模型已经找到了一个较好的收敛区间。到了最后的 20 个 epoch,尽管 mAP50 依旧在稳步上升,但提升幅度已经不大,这意味着模型已经接近其性能天花板。 在这个过程中,我重点关注了 box_loss 和 cls_loss 的变化。初期阶段,box_loss 快速下降,从 0.9 逐渐降至 0.86,而 cls_loss 则从 0.75 逐步下降至... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

VuePress 搭建结合GitHub Pages CI

个人免费博客

S1124654的博客 764

IEC 61851-23:2023 电动汽车导电充电系统 - 第23部分:直流电动汽车供电设备 - 完整英文电子版(388页)

IEC 61851-23:2023适用于用于在供电网络与电动汽车(EV)之间实现能量传输的电动车供电设备,A侧额定最大电压可达1000伏交流电或最高1500伏直流电,B侧额定最大电压最高可达1500伏直流电。 本文件规定了系统A、系统B和系统C的电动车供应设备,定义见附件AA、附件BB和附件CC。

关于AI开发方法论-以文档为索引的高质量协作开发:让一次现象描述精准命中几个代码块

对AI的编码规范进行约束

创建 VuePress + GithubPages + TravisCI 在线文档

[TOC] 最新博客链接 VuePress 在线文档链接_Github Pages VuePress 在线文档链接_博客服务器(如果上面进不去,可以进这个,服务器在阿里云) Github链接 最终效果 最终效果链接 思路 总体 VuePress 在本地完成项目的源文件,推送至 Github 触发 Travis CI 自动构建目标文件,完成后自动部署到另一个 Github 分支,此...

田三番的博客 2789

数字雕刻基于CatmulI-Clark细分与笔刷位移场的ZBrush流程建模:月哨兵角色精细度上限分析

内容概要:本文以“月哨兵”科幻角色数字雕刻工程为实例,系统构建了从程序化粗模到高精度雕刻的完整数学模型。研究涵盖重拓扑、Catmul-Clark细分、笔刷位移场建模、多部件组装及精细度上限分析等核心环节。通过ZRemesher将304,050顶点粗模重拓扑为28,600顶点的全四边形网格,并逐级细分至732万面,实测面数递推F(k)=F₀·4ᵏ完全符合理论。利用ZBrush Python接口注入Standard笔刷操作,首次通过同拓扑OBJ逐顶点差分获得真实位移场数据,实测最大位移0.454873,8.756%顶点发生显著位移。提出“理论-内存-拓扑-视觉”四层精细度上限模型,指出在24GB内存条件下工程合理上限为10⁷~10⁸面,视觉收益受渲染分辨率制约趋于饱和。最终完成755万面的组装网格并经工程文件回读验证一致性。; 适合人群:具备三维建模与数字雕刻基础,熟悉ZBrush工作流,从事角色资产开发或程序化内容生成的技术美术、图形学研究人员及高阶数字艺术家。; 使用场景及目标:①理解Catmul-Clark细分曲面在工业级雕刻流程中的数学机制;②掌握基于脚本驱动的可复核雕刻工程构建方法;③评估高面数模型的内存代价与视觉收益平衡;④学习重拓扑、位移场量化、多部件合并等关键技术的工程实现。; 阅读建议:本文强调数学建模与实证闭环,建议结合附录中的脚本与数据文件进行复现实践,重点关注逐顶点差分、细分递推验证与四层上限模型的构建逻辑,以深入掌握高精度数字雕刻的系统性工程方法。

拯救懒癌文档君 - VuePress + Travis CI + Github Pages 自动线上生成文档

只有一位观众的舞台 上周发了一片《究竟什么是前端脚手架?》,我在后面留言: 作为懒癌晚期患者,我克服重重阻力,还是决定分享一下懒到极致后连打包都不愿意操作的办法。 整体思路 1.Github 创建项目,本地创建切换到 docs 分支,通过 VuePress 构建文档项目(写一些文档),上传至 Github。 2.Travis CI 自动 clone 后安装依赖、编译、上传至 Github mas...

weixin_33691817的博客 2477

公司内网软件下载站,公司内网软件下载站

公司内网软件下载站,公司内网软件下载站

syslog_test.py

syslog_test.py

vuepress与travis-cli持续集成自动化部署

由于前段时间整理了下工作中常用到的命令,想把其做成个文档,以备以后能够方便查阅,想到用vuepress来搭建文档。 vuepress的搭建完全可参照官网,但是在线部署的时候还是碰到了一些需要注意的细节地方。 本文的部署是集成了travis cli自动化部署。 配置 根目录新建travis.yml文件 language: node_js # node环境 node_js: - lts/* scr...

sinat_35993535的博客 466

Simulink “双碳”背景下汽车减少碳排放建模与仿真

内容概要:本文围绕“双碳”战略背景,系统阐述了基于Simulink的汽车碳排放建模与仿真技术,重点引入模糊PID控制优化动力系统性能,以实现节能减排目标。文档整合了多个Matlab/Simulink科研仿真案例,涵盖无刷直流电机(BLDC)控制、三相PWM整流器、电池管理系统、路径规划、信号处理、智能优化算法及图像处理等领域,全面展示Matlab在智能控制与绿色能源系统中的应用价值。同时强调科研应兼具严谨逻辑、创新思维与工具赋能,并提供完整的仿真资源链接与学习路径支持实践落地。; 适合人群:具备Matlab/Simulink基础,从事自动化、电气工程、车辆工程、控制科学、电力电子及智能制造等相关领域的科研人员或高年级本科生、研究生;适用于开展节能减排、新能源系统优化、智能控制算法研究等课题的研究者。; 使用场景及目标:①学习在Simulink中构建汽车能耗与排放仿真模型并应用模糊PID进行动态优化;②掌握BLDC、PWM整流器等关键部件的建模与控制策略设计;③借鉴丰富案例提升科研效率,拓展在智能控制、路径规划、信号处理等方向的应用能力;④通过提供的网盘资源获取完整代码与资料,支撑论文写作与项目开发。; 阅读建议:建议按照资源目录顺序系统学习,结合百度网盘提供的Matlab/Simulink代码动手实践,重点关注控制策略的设计、仿真结果的分析与优化过程,同时注重培养科研思维与工程实际问题的结合能力。

通过VuePress管理项目文档(一)

VuePress 这篇文章主要是记录自己在使用VuePress过程中所遇到的问题以及如何一步一步的解决问题。 安装vuepress前,请确保你的 Node.js 版本 >= 8 全局安装 # 安装 yarn global add vuepress 或者:npm install -g vuepress # 新建一个 markdown...

weixin_34122604的博客 665

西部牛仔_1794033330851.apk

西部牛仔_1794033330851.apk

状态估计变分贝叶斯近似的递归噪声自适应卡尔曼滤波(Matlab代码实现)

内容概要:本文详细介绍了一种基于变分贝叶斯近似的递归噪声自适应卡尔曼滤波方法,并配套提供了完整的Matlab代码实现。该方法旨在解决传统卡尔曼滤波在面对过程噪声和观测噪声统计特性未知或时变情况下性能退化的问题,通过引入变分贝叶斯推断技术,实现对噪声协方差的在线联合估计与动态更新,从而提升滤波器在非平稳环境中的状态估计精度与鲁棒性。文中系统阐述了算法的理论基础、数学推导流程、递归计算结构及关键实现步骤,涵盖了概率图模型构建、似然函数近似、变分迭代优化等核心技术环节,适用于复杂动态系统中的自适应信号处理与状态估计任务。; 适合人群:具备良好线性系统理论、概率统计与贝叶斯估计基础,并熟悉Matlab编程的研究生、科研人员及从事导航、控制、传感融合等相关领域的工程技术人员; 使用场景及目标:①应对实际工程中因噪声先验信息缺失或环境变化导致的标准卡尔曼滤波失效问题;②应用于无人机导航、智能驾驶、工业状态监测、传感器融合等高精度自适应估计场景,提升系统在不确定环境下的稳定性和准确性; 阅读建议:建议读者结合所提供的Matlab代码逐模块研读,重点理解变分贝叶斯迭代过程中噪声协方差矩阵的后验更新机制,并通过仿真实验对比所提方法与标准KF/EKF/UKF的估计性能差异,深入掌握噪声自适应滤波的设计思想与实现技巧。

一步步搭建 VuePress 及优化【插件系列】

介绍 在之前为了搭建 VuePress 的文档,顺带制作了视频教程,如今准备再次搭建一个 VuePress 的项目,一看自己的视频竟然有五个小时,天呐,我只是需要过一遍而已,所以重新整理成文档吧,万一将来又要用呢…… 当然,如果您觉得文字版不够直观,可以前往观看视频版: 【☛ 视频地址 ☚】 ,当时录制完本地测试后觉得声音大小还可以,结果一套录完了才发现声音很小,所以推荐带上耳机。 VuePres...

weixin_33700350的博客 2805

PUMA:DOA估计模式的改进实现(Matlab代码实现)

内容概要:本文围绕PUMA(Propagator Method-based DOA Estimation)算法在波达方向(DOA)估计中的改进实现展开,重点在于通过Matlab编程对算法进行仿真与性能验证。作为阵列信号处理领域的高分辨率DOA估计算法,PUMA在传统方法基础上提升了估计精度与鲁棒性,尤其在低信噪比、小样本等恶劣条件下仍能保持优异性能。文中系统阐述了PUMA算法的理论基础、数学模型及其相较于MUSIC、ESPRIT等经典算法的优势,并通过仿真实验进行对比分析,展示其在分辨力、稳定性和计算效率方面的综合优势,适用于实际雷达、无线通信与电子侦察等应用场景。; 适合人群:具备信号处理、通信工程、电子信息或雷达系统等相关专业背景的研究生、科研人员及工程技术人员,熟悉阵列信号处理理论与Matlab编程环境者尤佳; 使用场景及目标:①用于学术研究中DOA估计算法的性能优化与新方法对比验证;②应用于雷达系统、5G/6G通信、智能天线、电子对抗等领域的高精度空间谱估计任务;③作为Matlab仿真实践资源,支持课程设计、学位论文复现与科研项目开发; 阅读建议:建议结合阵列信号处理基础知识体系学习本资源,重点关注PUMA算法的改进机制与核心代码实现逻辑,建议动手运行并调整仿真参数以深入理解不同因素(如阵元数、信噪比、快拍数)对估计性能的影响。

上一篇: vuepress小课堂006--添加左侧栏
下一篇: org-mode Properties-and-Columns翻译
railsbug
博客等级 码龄14年 18粉丝 101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
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