Floobits实时协作编辑插件 for Emacs 教程

Floobits实时协作编辑插件 for Emacs 教程

floobits-emacsFloobits plugin for emacs项目地址:https://gitcode.com/gh_mirrors/fl/floobits-emacs

项目介绍

Floobits for Emacs 是一个实时协同编辑工具,允许开发者在Emacs中体验类似于Etherpad的原生编辑器协作功能。它不仅限于Emacs,同样支持Sublime Text、Vim和IntelliJ等其他流行编辑器。此项目致力于提供稳定的服务,已通过Emacs 24及更高版本的测试。需要注意的是,该插件依赖Python 2.7或更高版本进行运行。

项目快速启动

安装方式

使用MELPA

如果你已经配置了MELPA包管理器,在Emacs中执行以下命令即可安装:

M-x package-install RET floobits RET
使用el-get

若你的环境中有el-get,可以这样操作:

M-x el-get-install RET floobits RET

并且,为了保持包的更新,可以在~/.emacs中加入:

(el-get-update-all 1)
手动安装
  1. 克隆仓库到你的Emacs配置目录(例如~/emacs.d):
    git clone https://github.com/Floobits/floobits-emacs.git git floobits
    
  2. 然后在Emacs配置文件中加载插件:
    (load "~/emacs.d/floobits/floobits.el")
    

初始设置

  • 注册或登录Floobits账户,可以通过GitHub账号登陆。
  • 配置~/floorc.json文件,可以在个人设置页面获取个性化配置样例:
    {
      "auth": {
        "floobits.com": [
          {
            "username": "your_username",
            "api_key": "your_api_key",
            "secret": "your_api_secret_not_your_password"
          }
        ]
      }
    }
    

基本使用

  • 加入现有工作区:M-x floobits-join-workspace RET https://floobits.com/owner/workspace/ RET
  • 创建并分享私有工作区:M-x floobits-share-dir-private RET DIR RET
  • 创建并分享公共工作区:M-x floobits-share-dir-public RET DIR RET

应用案例与最佳实践

在团队软件开发过程中,利用Floobits进行实时代码审查、同步编码、远程教学或是多地点协同开发是其核心应用场景。最佳实践包括:

  • 代码审查:团队成员可以在同一段代码上留下即时反馈。
  • 在线编程课程:教师可实时指导学生编程,让学生跟随老师的进度学习。
  • 分布式团队协作:确保团队成员无论身在何处都能高效地共享和编辑代码。

典型生态项目

虽然 Floobits 主要作为一个独立的插件存在,它的生态扩展性体现在与各类编辑器的集成上。除了Emacs,对Sublime Text、Vim以及IntelliJ的支持,使得Floobits成为跨编辑器协作的一个重要组件。这促进了不同编程习惯的开发者之间的工作流互操作性,构建了一个更加开放和协作的开发环境。


本教程提供了快速入门Floobits for Emacs所需的基本步骤和一些实用场景说明。记得根据实际需求调整配置,并充分利用Floobits带来的协作便利性来提升你的开发效率和团队合作。

floobits-emacsFloobits plugin for emacs项目地址:https://gitcode.com/gh_mirrors/fl/floobits-emacs

【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

滕婉昀Gentle

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