hexo搭建个人博客_Hexo+GitHub 个人博客搭建

点击蓝字 关注我们

Hexo + GitHub个人博客搭建

前言

你了解 Hexo 吗?Hexo 是一个静态博客框架,基于 Node.js,将Markdown文章通过渲染引擎,生成一个静态网页,再结合 Git 命令(ssh),Hexo 是一个快速、简洁且高效的博客框架。Hexo 使用 Markdown(或其他渲染引擎)解析文章,在几秒内,即可利用靓丽的主题生成静态网页。

系统环境

Win10 专业版,64 位(10.0 版本 18362) 

Node.js:12.13.0 https://nodejs.org/en/download/ 

Git:2.24.0 https://git-scm.com/downloads

修改配置文件要用到的软件(可选):

  • Visual Studio Code:https://code.visualstudio.com/Download

  • Sublime Text3,可免费使用,

    百度网盘链接:https://pan.baidu.com/s/1F90tYkRsaJfo57o1-TSxEw

       提取码:yd1u

  • NodePad++ 7.8.1:

       https://notepad-plus-plus.org/downloads/

搭建流程

Hexo+Github 博客搭建之环境准备篇

下载 Git 和 Node.js并配置相关信息,设置npm的镜像源,加快下载速度。

Hexo+Github 博客搭建之环境搭建篇

GitHub账号注册,以及Github Pages 的创建,配置git全局用户名和邮箱,生成hexo静态博客框架并发布到 Github Pages

Matery 主题安装配置篇

本期Hexo博客主题为Matery,一个采用 Material Design 和响应式设计的 Hexo 博客主题。该篇为HexoMatery博客的基本配置,主要是对Hexo根目录下_config.yml文件的配置和主题目录下_config.yml文件的配置。

Matery 主题个性化修改篇

给Hexo个人博客添加一些个性化操作,例如:动态标题鼠标点击文字效果自定义鼠标样式添加鼠标彩虹星星掉落跟随效果

Matery 主题个性化修改篇(二)

给Hexo个人博客添加基本功能,例如:添加动态科技线条背景,添加 Valine 评论系统豆瓣书单电影页面

博客优化篇

对已经较为完善的博客进行优化,例如:图片懒加载代码压缩CDN加速打造稳定快速,高校免费图床

效果展示

1b13876188a69db30ecd75de65fb1f0a.png
展示1
f3e688d6aed7ad8e40052e694b14223a.png

图片展示和gif动图演示都不能完美展示,所以点击阅读全文转跳博客连接

别忘记了评论,爱你们略(GitHub访问有点慢).

博客搭建分三次,三天连续推送

关键字【Hexo】

End


作者:梦凡 你们的在看就是对我最大的肯定, 点个在看好吗~
a542872207b198e168c0e4cfa814ba48.png
编程学习基地 常回基地看看
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