标签为“Linux”的页面如下
Hugo 静态站 POST 链接到百度 SEO
基于 Hugo 的搜索引擎 SEO,站点地图自动推送新实现,在上一篇基于 Hugo 的搜索引擎 SEO,站点地图自动推送中,提到百度SEO支持直接推送文章的URL全路径,用到了gulp,编写了js脚本实现,经过这次调整,已经去掉了node.js的gulp 依赖,直接用命令行完成所有的事情,但是请注意,该脚本目前是生成全站的URL并提交,它并没有控制并指定生成范围,也没有剔除已提交过百度的URL,所以还有待进一步的进化
。
- { map[]}
- 09月18日 2020年
树莓派开启虚拟内存并安装 docker 环境
树莓派环境配置,涉及到了虚拟内存、docker 方面配置
- { map[]}
- 09月12日 2020年
基于Hugo的本站安装过程
本站系统安装过程,以下为官网指导,英语易懂,只做批注,就不翻译了
- { map[]}
- 09月12日 2020年
[译]"世界上最快的服务器"跟踪(提交应用程序挑战)
使用PHP-SOAP访问世界上最快的服务器Web服务并使用Google Maps API绘制每次行程
- { map[]}
[译]CNeuralNetwork:使您的神经网络学习更快
有关使神经网络学习更快的文章
- { map[]}
[译]XMake-基于XML的控制台构建系统
一篇文章描述了C/C ++项目的新构建工具
- { map[]}
[译]使用Node.JS,JavaScript和Ajax请求的朴素贝叶斯反垃圾邮件过滤器
在本文中,我们将制定并彻底讨论概率贝叶斯分类算法及其在Node.JS和JavaScript中的实现,这些算法可有效地用于检测和定位包含潜在垃圾邮件和其他未经请求的数据的邮件.
- { map[]}
[译]使用人工智能K均值聚类算法对数据进行分类
使用K-Means聚类进行数据分析的简单介绍.
- { map[]}
[译]关联规则学习(ARL):第1部分-Apriori算法
本文读者将了解所讨论的如何使用可扩展的优化Apriori算法执行关联规则学习(ARL).
- { map[]}
[译]关联规则学习(ARL):第2部分-FPGrowth算法
本文读者将了解如何使用FPGrowth算法执行关联规则学习(ARL),该算法可以替代著名的Apriori和ECLAT算法.
- { map[]}
[译]英特尔®MKL-DNN:第1部分–库概述和安装
<开发人员英特尔MKL-DNN简介>教程系列从开发人员的角度考察了英特尔MKL-DNN.第1部分标识了有用的资源,并提供了有关如何安装和构建库组件的详细说明.
- { map[]}
[译]追求大数据
借助Intel DAAL,cgo和SWIG,我们能够在Go程序中集成优化的Cholesky分解.
- { map[]}
[译]重塑神经网络
神经网络可以做很多令人惊奇的事情,您可以理解如何从头开始制作一个.您实际上可能会感到惊讶,从头开始开发一个是如此容易!
- { map[]}
rWTT-基于链接到Dynamics AX的Raspberry硬件的Worktime Tracker(译文)
一种工作时间跟踪解决方案,可在集成到Dynamics AX 2009的基于Raspberry的终端上读取RFID标签
- { map[]}
XNA不再存在,因为凤凰从灰烬中升起(译文)
通过MonoGame项目,我们终于到达了时代的尽头和下一个时代的曙光.最新版本现已打破了与旧XNA框架的联系,并且独立存在.
- { map[]}
为物联网应用计算True North(译文)
使用GPS和带有Raspberry Pi的指南针找到真正的北方.
- { map[]}
具有人工智能的3D国际象棋(openGL)(译文)
可以在计算机和人之间玩的3D国际象棋游戏
- { map[]}
在Raspberry Pi上运行.NET Core Web爬网程序(译文)
使用在Raspberry Pi上运行的Web搜寻器,您可以自动执行无聊的日常任务,例如价格监控或市场调查
- { map[]}
我们为什么要关心容器的发展(译文)
我们为什么要关心容器的开发
- { map[]}
让我们造一个机器人!(译文)
您是开发人员吗? …那么你可以建造一个机器人…
- { map[]}
迎接新老事物– MonoGame Content Builder工具(译文)
迎接新老事物– MonoGame Content Builder工具
- { map[]}
配置Terraform开发环境(译文)
如何配置Terraform开发环境
- { map[]}