Hexo 博客部署
这篇文章介绍了作者将个人博客从Wordpress迁移到Hexo的全过程。作者选择了阿里云服务器作为国内访问主机,说明了在阿里云上搭建Git服务器和使用Nginx进行静态HTML文件的反向代理来展示博客内容的步骤。接着,作者介绍了配置HTTPS访问的流程,包括从阿里云获取免费证书和部署SSL证书的操作。此外,还提到了使用阿里云OSS存储博客图片等资源,并通过CDN加速访问。对于国外访问,作者描述了通过GitHub Pages部署Hexo博客的方法,包括创建所需仓库、生成部署密钥、配置部署密钥以及编写GitHub Actions以实现自动部署。最后,作者还提到了使用jsDelivr作为GitHub仓库的CDN来加速图片资源访问的方法,并给出了相关参考链接。
服务器开发环境配置指南
这篇文章介绍了在Ubuntu系统上安装Docker引擎和Docker Compose插件的详细步骤。首先,需要通过APT存储库更新软件包索引并添加Docker的官方GPG密钥,然后设置Docker的APT存储库。接着,通过更新包索引并运行安装命令来安装Docker Engine,包括containerd和Docker Compose。安装完成后,通过运行hello-world映像来验证Docker引擎是否安装成功。对于Docker Compose的安装,文章提供了两种方式:通过设置Docker的存储库进行安装,或者手动下载并安装Compose CLI插件。此外,文章还提到了在Windows上使用Dockerfile时应注意的文件行尾序列问题,以及在Ubuntu上安装和保护MySQL数据库的步骤,包括运行mysql_secure_installation脚本来提高安全性,创建新用户以实现远程访问,并确保服务器安全组开放3306端口。
分布式定时任务Quartz学习与使用
这篇文章介绍了时间轮的实现原理和结构,以及Quartz定时任务框架的核心概念和在Spring Boot中的实现方法。时间轮是一个基于数组实现的循环队列,每个槽存储任务列表,并通过指针触发任务执行。Quartz框架中,Scheduler负责调度,Trigger定义任务执行时间规则,JobDetail记录任务信息,Job执行业务逻辑。文章还详细说明了在Spring Boot中如何配置Quartz,创建JobDetail和Job类,并通过JobDataMap传递数据。
JWT学习与使用
这篇文章介绍了JWT(JSON Web Token)的认证方式,它是一种用于安全传输信息的开放标准。JWT通过加密生成token,使得服务端无需保存session数据即可验证用户信息,从而实现无状态的服务端扩展。文章还比较了基于session的传统认证和基于token的认证方式,解释了JWT的结构,包括Header、Payload和Signature三部分,并讨论了使用JWT的场景,如授权和信息交换。此外,文章还介绍了JWT的工作流程,以及它与基于服务器的身份认证方式相比的优势。最后,文章简要提到了Spring Boot中使用JWT的方法。
Markdown转PDF
这篇文章介绍了两种Markdown文件导出为PDF的方法:Typora导出和Pandoc导出。Typora导出的排版效果较差,而Pandoc导出需要安装TexLive环境,并使用head.tex模板。文章通过图片展示了两种方法导出后的PDF效果。
Wordpress+markdown+latex数学公式写作
这篇文章介绍了WordPress Markdown插件WP Githuber MD的使用,以及在网页上展示数学公式时,通过在header.php文件的标签前添加特定代码来实现。同时,文章还提到了编写LaTeX公式时的注意事项,包括如何处理多字符下标以及如何正确引入星号(*)字符。
R-CNN 系列详解(转)
这篇文章介绍了R-CNN及其发展系列算法的详细流程和原理。R-CNN通过Selective Search生成候选区域,用AlexNet提取特征,SVM分类器进行类别判断,并使用NMS去除冗余候选框。Fast R-CNN改进了特征提取过程,实现了对整张图片的特征提取,并引入ROI Pooling层。Faster R-CNN进一步引入了区域建议网络(RPN),用于自动生成候选区域,并通过anchor机制和bounding box regression提高候选区域的准确性。文章还解释了1x1卷积核的作用,包括降维、增加非线性和跨通道信息交互,以及在Inception和ResNet网络中的应用。
Data Augmentation——增加样本,并且控制模型复杂度
这篇文章介绍了数据增强(DATA-AUGMENTATION)在机器学习中的应用,它通过创造新的训练样本来增加数据集的多样性,从而帮助控制模型的复杂度,减少过拟合。文章解释了数据增强不仅仅是增加训练样本数量,而是通过生成与原始数据分布不同的样本来增强模型对特定变换的不变性,这实际上是一种正则化手段。特别地,文章讨论了mixup技术,它通过混合两个样本的图像和标签来生成新的训练数据,促使模型趋向线性,从而简化模型结构,提高泛化能力。
IWR6843 + MMWAVEICBOOST 开箱使用
这篇文章介绍了TI的IWR6843 60G-64GHz毫米波雷达板的使用,包括所需环境、入门指南、云上平台展示、CCS编译、DCA1000 EVM查看ADC原始回波以及bin文件处理解析等内容。文中详细描述了硬件连接、配置、烧录程序、云平台展示效果、CCS编译流程和DCA1000 EVM使用注意事项,并提供了相关文档和资源链接。同时,还分享了作者在处理解析bin文件时的代码链接。
mmdetection 自定义数据增强
这篇文章介绍了一种基于mmdetection框架实现小目标检测数据增强的方法。论文《Augmentation for small object detection》提出了过采样和增强两种策略,通过复制含小目标的图像和在图像中复制粘贴小目标来提升检测性能。作者根据mmdetection文档指导,创建了自定义的数据增强类,并注册到mmdetection的数据处理流程中。文章还展示了如何查看数据增强效果,并提供了实际训练效果的对比,最后附上了增强的源码和致谢部分。