Hexo+Github搭建个人博客(一)

前言

经常在查看技术文章时跳转到大佬们的个人博客,看起来很酷很炫。也想自己搭一个。嗯,于是有了这篇博客。

基础概念

个人以为,学习使用一项技术之前首先要简单了解下它的基本概念,不要一上来就干~没前戏是不行的。所以我们不妨先来看一下HexoGitHub Pages分别都是什么,通过他们是怎么来搭建个人博客的。

Hexo是什么

Hexo官网上对它的定义是一个快速,简单而强大的博客框架。个人理解就是它可以把我们通过markdown编写的内容与主题模板结合,生成相应的Html静态页面。

Hexo 官方文档中有很详细的介绍,强烈建议同学们仔细阅读一下。

GitHub Pages是什么

GitHub是代码托管平台,那GitHub Pages是什么呢?其实它就是GitHub提供的一个静态站点的托管服务,可以自定义一个页面,作为项目主页来显示。

Pages又分为两类:项目页面个人/组织页面。功能上来讲是基本相同的,但还是有些细微的差别。项目页面顾名思义是与某个项目绑定的,其存储在该项目库中,而个人/组织页面不与特定项目绑定,并且网站文件位于专用于GitHub页面文件的专用存储库中,我们这里要使用的是个人页面。

GitHub Help Pages官方文档奉上~

Hexo和Pages二者,一个生成静态文件,一个展示静态文件,相结合,美滋滋~

接下来就可以开始搭建相关环境了。


开始搭建

使用到GitHub和Hexo,那Git自然是必不可少的,Hexo基于node.js,所以也需要安装node.js,安装好后再用node.js自带的npm工具来安装Hexo。

1. 安装Git

  • Windown直接 下载 安装。

2. 安装node.js

node.js直接官网从下载相应版本安装包安装,Windows安装时有个Add to PATH选项一定要勾选(默认是勾选的),这是添加到环境变量的意思。安装完成后在命令行输入node -v,如果版本信息可以显示,则说明安装成功。

3. 安装Hexo

完成上面两步后,就可以开始安装Hexo了!

首先在任意位置创建一个文件夹(命名随意,建议hexo或blog等英文名)用于存放hexo文件及博客资源等,然后在该文件夹下右键打开Git命令行(也可以是cmd,推荐git bash),输入以下命令即可完成安装!过程根据网络情况耗时不同,网络差的耐心等待就好。

npm install hexo-cli -g
hexo init
npm install

以上命令顺利执行后,我们就完成了hexo的安装。这时候可以执行hexo ghexo s来生成预览你的博客啦。执行完后在浏览器中输入http://localhost:4000/来预览,嗯 你会看到一篇Hello World!环境配置就结束了,接下来我们来创建GitHub仓库。

4. 创建GitHub仓库

用于存储个人\组织页面Git仓库的命名是有要求的:

所以创建时一定要注意仓库的命名,比如我这样的:

仓库创建好之后需要把仓库地址配置到hexo配置文件_config.yml中(处于最外层目录),这里的仓库链接建议使用SSH的方式,如果没有配置过SSH Key可以参考配置Git ssh key

hexo配置git

注意:_config.yml中的value和冒号之间都有一个空格

5. 安装hexo-deployer-git自动部署工具

 npm install hexo-deployer-git  --save

直接命令行安装就可以。比较简单,但对网络要求比较高,网络差的这一步会很慢。

6. 发布到GitHub

安装好上面插件后,就可以部署到GitHub了。输入下面命令(表示先编辑再发布),过程可能稍慢。

hexo d -g

在发布完成后就可以打开username.github.io来试试看能不能访问了。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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