Hexo常用命令和Hexo下的Markdown语法(GFM)
Hexo常用命令
以下都是我常用的命令,如需要更详细的文档,请移步到Hexo官方文档
新建
1hexo new "new post"
新建的文件在 "hexo/source/_post/"文件夹下
生成静态页面
1hexo g
其实就是编译,编译后,会出现一个 public
文件夹,将所有的md文件编译成html文件
开启本地服务器
1hexo s
一般访问http://localhost:4000查看
部署
1hexo d
清除public
1hexo clean
当 source
文件夹中的部分资源更改过之后,特别是对文件进行了删除或者路径的改变之后,需要执行这个命令,然后重新编译。
Hexo下的Markdown语法
Markdown
是一种轻量级标记语言,创始人为约翰·格鲁伯和亚伦·斯沃茨。它允许人们“使用易读易写的纯文本格式编写文档,然后转换成有效的XHTML文档”。
——维基百科
分段
行尾输入两个或以上的空格,然后回车。或者行尾加上<br>。
像这样
换行
这是第一行
这是第二行
...
tqdm——一个快速,可扩展的Python进度条
官方文档
官方github页面
官方文档
实现效果
在pycharm中,在深度学习进程中可以将训练过程用进度条的形式展现出来,会让训练界面更加的美观。
安装
pip
1pip install tqdm
conda
1conda install -c conda-forge tqdm
其他安装方式参考官方github页面
用法
基于迭代器
12345from tqdm import trangefrom time import sleepfor i in trange(100): sleep(0.01)
trange(i) 是 tqdm(range(i))的特殊优化
1234from tqdm import tqdmfor i in tqdm(range(100)): sleep(0.01)
也可用于嵌套循环
123for i in trange(100): for j in trange(100): sleep(0.01)
踩过的坑
解决pycharm中进度条以红色错误信息的形式输出:
增加参数 fil ...
大气散射模型-图像去雾基础知识(一)
知识背景
近些年来,出现了众多的单幅图像去雾算法,应用比较广泛的有:
直方图均衡化去雾算法
Retinex去雾算法
暗通道先验去雾算法
基于卷积神经网络的DehazeNet去雾算法
其主要可以分为 3
类:基于图像增强的去雾算法、基于图像复原的去雾算法和基于 CNN
的去雾算法。
类别
简介
代表算法
基于图像增强
通过图像增强技术突出图像细节,提升对比度,使之看起来更加清晰,这类算法的适用性较广。
Retinex:根据成像原理,消除了反射分量的影响,达到了图像增强去雾的效果直方图均衡化:使图像的像素分布更加均匀,放大了图像的细节偏微分方程:将图像视作一个偏微分方程,通过计算梯度场提高对比度小波变换:对图像进行分解,放大有用的部分
基于图像复原
基于大气散射物理学模型,通过对大量有雾图像和无雾图像进行观察总结,得到其中存在的一些映射关系,然后根据有雾图像的形成过程来进行逆运算,从而恢复清晰图像。
暗通道先验:通过对大量无雾图像进行特征分析,找到了无雾图像与大气散射模型中某些参数的先验关系。 ...
用于图像分类的MobileNetV3算法
摘要
卷积神经网络(CNN)是一种深度神经网络,通过多个卷积层提取图像特征,广泛应用于图像分类。随着移动设备处理的图像数据量的不断增加,神经网络在移动终端上的应用越来越广泛。然而,这些网络需要大量的计算和先进的硬件支持,很难适应移动设备。本文论证了MobileNetV3对于移动终端上的实际图像分类任务,可以在效率和准确性之间取得较好的平衡。在我们的实验中,比较了MobileNetV3和其他几种常用的预训练CNN模型在不同图像数据集上的分类性能。选择的数据集都很好地代表了移动设备的应用场景。结果表明,作为一种轻量级的神经网络,与其他大型网络相比,MobileNetV3以有效的方式实现了良好的精度性能。此外,ROC证实了MobileNetV3相对于其他实验模型的优势。并对适用于MobileNetV3的图像数据集的特征提出了一些猜想。
关键词-卷积神经网络;图像分类;移动设备;MobileNetV3
I. 绪论
卷积神经网络(Convolutional Neural
Network,CNN)由于其在图像分类、分割和其他计算机视觉问题中的扩展应用而受到极大关注。CN ...
方舟:生存进化 恐龙培育方法
以下内容,不保证完全正确,但方法实测可行。
关于恐龙交配
你需要: 1. 一公一母的同种恐龙 2. 分别对公龙和母龙长按E,允许交配 3.
保持生命等待一段时间 4. 捡蛋(卵生动物)/等待妊娠时间结束(胎生动物) 5.
空调房孵蛋,领养后代
注意
不同动物可能对交配,孵蛋等有条件约束,请仔细查阅dododex。
关于后代属性
后代继承的属性只与父母破壳属性有关,与父母是否留痕和加点无关。也就是说留痕和加点不能使生出的后代更强,所以培育恐龙没必要留痕或者升级。
后代的每项属性,有55%概率继承父母中更强的。例如:有1W血
300攻的霸王龙,和1W2血 400攻的霸王龙,要配出后代1W2血
400攻,概率为0.55^2=0.3025
关于变异
每一个后代都有5%几率变异,变异加2级,增加2点属性,随机加在生命、氧气、食物、攻击等属性上。
每种恐龙都有几个色块,变异时通常伴随着颜色变异,一次变异一个色块。也有只变异颜色不变异属性的,要注意。
变异过的恐龙,打开物品栏,下面有个“显示祖先”选项,点击后可以查看父系母系变异次数,变异过的恐龙,变异次数将会遗传 ...
win10+deepin双系统安装
写在前面
一方面是想学习使用Linux,另一方面学校的课程需要用到Linux,还有就是因疫情不能出门无聊想折腾。
固态硬盘上安装了win10系统,准备在机械硬盘上安装deepinOS。
听闻deepin简单、易用、美观,顺便支持一下国产。
[我的设备] Dell G7
准备工作
一个U盘(最小5G)或一张光盘以及光驱;提前转移或备份重要数据。
在深度科技官方网站下载镜像文件和官网提供的深度启动盘制作工具。官网和论坛有时会出现504
Gateway Time-out,可以多刷新几次或者稍后再试。
下载DiskGenius
分区工具
查看设备的BIOS启动方式,Dell笔记本是开机按F2。
开始
MD5 校验
下载深度操作系统镜像完成后,需要对其进行校验,非官方或不完整的镜像将不能用于深度操作系统的安装;
Windows系统: 下载MD5校验工具,校验您下载的镜像的MD5值与下载页面提供的 MD5
值是否一致。( MD5 值在立即下载按钮下方)
分区
用DiskGenius
分区工具或Windows的分区管理工具查看机械硬盘 ...
给博主充电
如果你觉得我的网站对你有帮助或启发,可以送我一本想读的书哦!
送在下任意一本书,即可在下一个儿童节的时候,收到一张明信片哦!Email邮寄地址、邮编、收件人至
peijinhe@gmail.com 领取。
Hello World
Welcome to Hexo! This is your very
first post. Check documentation for
more info. If you get any problems when using Hexo, you can find the
answer in troubleshooting or
you can ask me on GitHub.
Quick Start
Create a new post
1$ hexo new "My New Post"
More info: Writing
Run server
1$ hexo server
More info: Server
Generate static files
1$ hexo generate
More info: Generating
Deploy to remote sites
1$ hexo deploy
More info: Deployment
\(\underset{theta}{\bowtie}\) \(N^+ ...