利用webhook自动更新hexo博客

前言

博客迁至VPS上,依旧用hexo生成静态网页,现在写博客的流程是:

  1. Cloud Studio写博客并生成
  2. 静态网站Push到github上的pages仓库(仓库已转私有)
  3. VPS上git pull

未免太麻烦了有没有…所以了解到webhook这个东西,花了一点时间把搞定了,Push上去之后VPS端就不用Pull了。

webhook原理图


略有不同的是,我这里并不是nodejs监听消息,而且不是直接将端口开放,而是用已有的nginx去做一下本地proxy。

Topology

backup

为了稳不得不牺牲一部分延迟和性能,经测试原先700ms现在1200ms左右。拓扑还是挺简单的,顺便将博客也用Cloudflare加速了一下。

下一步在想要不要直接把博客迁到vps算了

准备弃用之前的google账号了

为什么

之前的谷歌账号太长了,又有自己的出生年月日,十分的不好,故今日花了半天的时间把所有的关联的东西全部解绑,顺带解决了Cloud Studio的hexo使用https方式同步到github上面的仓库时,每次hexo d都要输密码的小问题,这问题一直都有,但一直以来写博客也不勤快,懒得去搞。

dataStructure->LinkList

数据结构之线性表

1
2
3
4
5
6
7
8
9
10
11
12
typedef struct dataStruct
{
elemType *LinkList;
elemType *Stack;
elemType *Queue;
elemType *String;
elemType *Array;
elemType *Tree;
elemType *Graph;
elemType *Indexing;
elemType *Sorting;
}* dataStructure;

线性表

线性表分为顺序表和链表,链表分为单链表、双链表、循环链表(单循环链表和双循环链表)。

顺序表

1
2
3
4
5
6
7
typedef struct
{
Elemtype *elem; //数组
int length; //当前表的长度
int listsize; //表的数组容量
int incrementsize; //表增容量
} SqList;

顺序表的存储单元是连续的,也就是在内存中,表的元素顺序摆放。过于简单了,随便康康定义就行了。

链表

在存储单元之中不连续,通过指针连接起来,像链条一样故称之为链表

几种排序算法

排序算法

1 冒泡(Bubble Sort)

图解

算法步骤

Python argument types did not match C++ signature

问题

我佛了,我的博客访问也太慢了吧。

dlib在windows下兼容性不好,不过也不是不能用。

1
2
3
4
5
Boost.Python.ArgumentError: Python argument types in
rectangle.__init__(rectangle, numpy.int32, int, int, int)
did not match C++ signature:
__init__(struct _object * __ptr64, long left, long top, long right, long bottom)
__init__(struct _object * __ptr64)

一路定位

1
2
3
4
5
6
7
8
def _css_to_rect(css):
"""
Convert a tuple in (top, right, bottom, left) order to a dlib `rect` object

:param css: plain tuple representation of the rect in (top, right, bottom, left) order
:return: a dlib `rect` object
"""
return dlib.rectangle(css[3], css[0], css[1], css[2])


return dlib.rectangle(css[3], css[0], css[1], css[2])
改成
return dlib.rectangle(int(css[3]), int(css[0]), int(css[1]), int(css[2]))

问题解决

深度学习入门与实践(二分类、多分类、回归问题)

二分类问题

  • 数据集 : imdb

一些心得:

二分类问题的神经网络输出为0或1,只有两种情况,故称为二分类,imdb数据集包含25000条电影的评价,将评价内出现的单词利用索引的方式保存在list里面,包含训练数据和测试验证数据,训练数据分为data和labels两部分,data记录评价,labels记录是否正面评价,例1为正面评价,0为负面评价。

训练中的层还并没有完全搞清楚,不做解释。

深度学习入门与实践(一)

前言

最近申请了一个实践项目,主要做图像分类识别的,虽说不知道能不能立项吧(已立项),但是既然已经决定往软件方面转了,所以有必要先搭建一下环境。对比了一下现有的深度学习框架,决定先安装谷歌的TensorFlow,然后再安装keras。

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×