Jekyll主题:基本上基础(Basically Basic)使用指南

Jekyll主题:基本上基础(Basically Basic)使用指南

jekyll-theme-basically-basicYour new Jekyll default theme.项目地址:https://gitcode.com/gh_mirrors/je/jekyll-theme-basically-basic

项目介绍

基本上基础(Basically Basic) 是一个Jekyll主题,设计用于替代默认的主题——Minima。该主题全面支持Minima的常规特性和功能,并添加了一些增强特性,如六种可自定义的皮肤、基于JSON数据的简历布局、响应式清洁设计、关于页面布局、Disqus评论集成、Google Analytics支持以及通过Jekyll SEO Tag实现的SEO优化。它遵循MIT许可证,由Michael Rose开发维护。

项目快速启动

环境需求

确保你的环境中已安装Jekyll v3.5或更高版本。

安装步骤

  1. Ruby Gem方式安装: 在你的Jekyll网站的Gemfile中加入以下行:

    gem "jekyll-theme-basically-basic"
    

    然后运行 bundle install 来安装主题。

  2. GitHub Pages远程主题(如果你的站点托管在GitHub Pages上): 修改 _config.yml 文件,添加:

    remote_theme: "mmistakes/jekyll-theme-basically-basic@特定版本号"
    

    替换“特定版本号”为你想要使用的版本,或者省略以使用最新版(不推荐,以免未来更新引入不兼容变化)。

  3. 本地主题文件复制: 若不采用上述方法,你可以直接下载项目到你的项目目录下,并调整配置来指向这些文件。

示例配置

在你的文章或页面的YAML头信息中,可以添加个性化设置,例如:

---
layout: post
alt_title: "基本上基础"
sub_title: "简洁而强大"
introduction: |
    基本上基础是一个旨在替换默认Jekyll主题的选项...
actions:
  - label: "了解更多"
    icon: github
    url: "http://your-learning-url.com"
---

应用案例与最佳实践

  • 简历页面:利用JSON数据轻松构建专业简历。
  • 定制化外观:选择六种预设皮肤之一,或自定义CSS来匹配你的品牌风格。
  • SEO优化:利用Jekyll SEO Tag插件自动填充meta标签,提升搜索引擎可见性。
  • 交互体验:集成Algolia或Lunr进行站内搜索,提高用户体验。

典型生态项目

在社区内,许多个人博客和小型企业网站都采用了基本上基础作为其基石。虽然没有特定的列表列举所有使用此主题的项目,但你可以在GitHub的Star和Fork记录中找到灵感和实际应用示例。创建自己的独特案例时,分享你的实施经验到社交媒体或技术论坛也是传播这一主题应用的好方式。

通过遵循上述步骤,你可以迅速地将你的Jekyll网站升级至这个功能丰富且易于定制的主题。记得在开发过程中查阅项目GitHub页面的最新文档,以获取任何最新的特性和更新。

jekyll-theme-basically-basicYour new Jekyll default theme.项目地址:https://gitcode.com/gh_mirrors/je/jekyll-theme-basically-basic

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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

打赏作者

高慈鹃Faye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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