1. 结构设计 2. 准备 ECS 服务器 * 1 OSS 对象存储 * 1 域名 * 1（若服务器在境内，域名需备案） 已安装的 picGo 软件（用于图片上传，可自行选择其他方式） 记事本（随时复制粘贴一些配置以及重要信息） 3. 配置 OSS 对象存储 前往对象存储 Bucket 列表 https://oss.console.aliyun.com/bucket 进入需要操作的 Bucket

此图床已于 2024 年 1 月 28 日停止使用。 图床搭建完成！ 因为在 DCDN 中设置了多重防御，图片可能无法加载 *如果访问权限控制的比较严格，不推荐在文章中内嵌直接指向图库的 cdn 链接，因为一旦被拦截就显示不出来了。如果 cdn 指向网页而非图片，被拦截了也可以通过滑块校验最终正常访问。 后期将调整图像加载策略

ChatGPT 也包括 new bing 和 GPT 4.0 等 ChatGPT 火了相当一段时间了，最近在新领域的探索和学习中 ChatGPT 也帮助了我相当多，我觉得需要进行一个总结和思考。 我是 ChatGPT 此类模型以及 ai 的坚定支持者，也想对那些反对者坦言，其实并不存在支持和反对的选择，这是历史发展的趋势。 使用下来的体验是，ChatGPT 非常适合教育者的工作，尤其是你对

linux-debian-mirror运行以下命令备份软件源并配置镜像源 此命令一并更新了「安全更新软件源」，一般而言，为了更及时地获得安全更新，不推荐使用镜像站安全更新软件源，因为镜像站往往有同步延迟。参考 https://www.debian.org/security/faq.en.html#mirror 但实测，使用原始地址非常缓慢，甚至无法连接，所以还是使用了镜像站的安全更新软件源。如果需

【环境】Ubuntu: 20.04 LTS 1. 备份默认软件源列表1sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup 2. 修改软件源列表[方法一] 命令修改配置文件1234sudo sed -e 's|^deb http://archive.ubuntu.com/|deb https://mirror.nju.

1. 使用 阿里云 云效 自动部署 因为我的服务器是阿里云的 ecs 所以使用的是阿里云的 DevOps 服务 总体思路：创建自动构建流水线 这是我第一次使用 云效 如有更佳的方法欢迎探讨 1.1. 代码源 【初始化】使用 token 从 Github 同步到 云效 代码仓库 云效中添加 git ssh 公钥 本地新增 云效代码仓库 远程地址 添加 Webhook 当 指定的云效内的代码仓库变更

1. 获取内存信息1.1. 使用 psutil 获取内存信息 psutil 为 python 内置组件，不需要安装 可以应用于获取实时内存占用等场景 引用 psutil 1import psutil 获取物理内存信息 123virtual_memory_status = psutil.virtual_memory()# 转为字典格式virtual_memory_status = psut

前两天，环境好不容易搭建成功了，本来想着，总算可以跑代码了。虽然 GPU 可以调用，但是总有各种各样的bug，经常显存溢出然后崩溃，搜索也没有什么结果或解决方案；还有其他各种神奇的错误，明明文件在那里，上一个函数还能读取文件的，下一个函数就读取不到了。或许是因为用的是 wsl2，和原生 Linux 还是有些区别的，但是相关资料又太少，总之一山翻过又是更高的一山，很难受。 也没有其他办法，想着安装原

植树节 今天，心情有些不平衡，不，是非常 pro max 的不平衡； 最近除了工作，一直忙着毕设。毕设是图像识别方向，第一步需要搭建环境。但是从接触的第一天开始，各种稀奇古怪的环境问题就不停地困扰着我。进度被拖得断断续续，前段时间，被这些环境问题，折磨的有些 emo 了，焦虑地睡不着。然后就花了完整的几日，想彻底解决这个顽疾，但是 tensorflow-gpu, scikit-learn, n

1. 参考 2. 安装 Jupyter Notebook 2.1. 使用 Anaconda 安装 2.2. 使用 pip 安装 2.3. 在云服务器中使用 Anaconda 安装 3. 更换默认目录 3.1. 生成 jupyter notebook 配置文件 3.2. 修改配置文件 3.3. 修改 jupyter notebook 快捷方式 3.4. 重新启动 jupyter noteboo