搭建博客

本文详述了如何利用Hexo快速搭建个人博客,并通过GitHub Pages进行发布。步骤包括安装Node.js和cnpm,初始化博客,安装Hexo部署插件,配置_config.yml,选择并应用主题,以及注意事项,如仓库命名和文章MD文件格式。同时,介绍了如何将GitHub作为图床以及参考链接。

hexo + github pages

  1. 下载node.js,安装时选择node.js和npm
  2. 换源安装,cnpm
    命令:npm install -g cnpm --registry=https://registry.npm.taobao.org
  3. cnpm来安装hexo
    命令:cnpm install -g hexo-cli
  4. 创建博客
    选择一个文件夹打开从cmd
    hexo init # 博客初始化
    hexo c # 打开博客
  5. 目录下装git部署的插件
    命令:cnpm install --save hexo-deployer-git
  6. 修改_config.yml文件
    在最后加上 type repo branch,每个冒号后边都有一个空格
  7. 部署到远端
    hexo d

更换主题:

  1. 先git clone 下载一个主题,下载到theme文件夹下
  2. 然后去 _config.yml文件修改theme
  3. 然后重新生成hexo g
  4. 部署

注意:

  • 仓库必须同名且为public

直接把写好的md文件复制到_post下面的时候,要在文件最前边添加title等标题,这样才会在页面生成相应的标题,否则untitle,所以如果多的话,可以写个脚本
首先保证文件名和title名相同(不必要,但是建议)
然后再设定相应的要求,如data、tag等

参考链接1:https://www.cnblogs.com/easonshi/p/13205857.html把github当图床使用
参考链接2:https://hexo.io/zh-cn/docs/ hexo官方文档

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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