解决:typora 无法将图片自动上传问题

以前用typora都是免费的,忘记从去年什么时候开始收费了。

因为用的习惯,用的舒服,而且买一个的话不止有一个激活次数,便买了。
以前写博客,都在csdn上直接写了,虽然上面也有markdown格式,可还是会担心网络不好,内容保存有丢失情况。又改变习惯,用买来的 typora

可是每次上传图片的时候都会遇到问题:

图片可以放在 typora 创建的草稿里,可是在粘贴草稿里的内容,放到csdn时候就传不上去了。
如果把图片存在本地里还好一点,还可以一张张手动放进去,可如果只是粘到草稿里的就麻烦了。

这篇文章就给大家分享一下解决这个问题的办法,究其根本原因是:

typora没有设置自动上传图片的问题。

1. typora的偏好设置

首先需要找到 typora 的偏好设置。

在偏好设置中,有一个图像栏,对其设置如图下:
在这里插入图片描述

选成 PicGo-Core(command ine),之后:
在这里插入图片描述
然后开始下载。
在这里插入图片描述
等待插件下载或更新完成之后,我们继续:

2. 添加和设置图床

设置图床是因为这里需要提供一个保存所上传的图片的"仓库":
在这里插入图片描述
我们需要转到:
smms官网
在这里插入图片描述
在smms官网中,我们需要登录或注册一个账号。

账号的注册和登录准备好之后,我们点击这里:
在这里插入图片描述
在这里插入图片描述
重置或是粘贴出这个令牌的 token

因为我们需要拿到这个 token,如果你是第一次注册使用,建议重置一下后在粘贴。

总之拿到了 token 之后,
我们就可以设置 typora 的配置文件。

还是在这里打开:
在这里插入图片描述

需要在配置中添加代码,

需要设置的代码如下:

{
  "picBed": {
    "current": "smms-user",
    "uploader": "smms-user",
    "smms-user": {
      "Authorization": "这里填写你自己的smms中的 Secret Token "
    },
    "transformer": "path"
  },
  "picgoPlugins": {
    "picgo-plugin-smms-user": true
  }
}

一般刚装好的 typora 的配置文件只有一个{ },
而你要做的只是放置如上的代码,你可以使用本章的代码,只要注意修改一下
Secret Token即可。

然后保存退出。继续配置其他内容。

3. 安装 Node.js

Node.js的下载官网

Node.js安装好之后,需要添加一下 环境变量 和 系统变量。
不然之后无法在本地 使用命令。
这和配置 java jdk 的环境变量类似。

自己配置好之后,继续后面的步骤。

4. 下载 smms 插件

smms 插件下载地址

在这里插入图片描述

要弄这个插件是因为如果我们现在点击这里:
在这里插入图片描述
在这里插入图片描述

是的,会验证失败。

将下载好的插件放到这里:
在这里插入图片描述
如果路径不方便找到,可以利用检索工具。

5. 安装 smms-user

现在我们可以开始使用命令来安装 smms插件了。

不要关闭之间的界面,直接在这个界面打开命令行,会方便一些,
不需要自己找路径了。
在这里插入图片描述

在这里插入图片描述

在命令行窗口录入这行代码

.\picgo.exe install smms-user

在这里插入图片描述

正常的话到这里就配置成功了。

可以在 typora 尝试上传图片了,如果测试成功的话 smms 的仓库里会有你上传到服务器的图片。

在这里插入图片描述
我是今天 4.5号写的文章,图片也是今天上传的。

而我的 typora 上传图片还是提示失败,遇到问题,可图片仓库里还是传上去了图片。

如果有小伙伴遇到问题,欢迎在评论区里进行讨论。我们一起解决。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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

兔C

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