【Hexo博客系列】No.1 搭建Hexo博客，快速简洁高效，零成本搭建个人博客 Hexo + GitHub Pages + Cloudflare Pages 完整指南 本文详细介绍了如何使用 Hexo 框架搭建一个个人博客，并将其部署到 GitHub Pages 和 Cloudflare Pages 上。 本文于 2026-08-13 按 Hexo、GitHub Pages 与 Cloudflare Pages 官方文档复核。Hexo 与 Node.js 的兼容范围会继续变化：Hexo 7 最低支持 Node.js 14，但旧 Node.js 已停止维护，新安装应使用仍受支持的 Node.js LTS，并在 package-lock.json 与部署平台中固定一致的主版本。 主要内容包括： 环境准备：安装 Node.js 和 Git 配置 Git 和 GitHub：设置 SSH 密钥，创建 GitHub 仓库 初始化 Hexo 项目：安装 Hexo，创建新博客 部署到 GitHub Pages：配置部署设置，推送静态文件 部署到 Cloudflare Pages：连接 Git ...

【零基础】一键搭建S-UI面板 更新于 2026-08-13：本文已按 S-UI v1.5.5 的官方说明校正。版本会继续变化，安装前请查看 Releases，不要长期固定旧版本。 免责声明仅供交流学习使用！使用者在使用时，必须遵守当地法律和规定。使用者有责任确保他们的行为符合其所在地区的法律、规章以及其他适用的规定。 推荐博主不良林声明：以下博客内容参考了不良林大佬的视频和博客，也参考二进制大佬视频和博客 项目地址S-UI的Github项目地址 （README里面有详细的教程） 一、 准备工作 一台VPS（虚拟服务器），带主流系统，例如：Debian/Ubuntu/CentOS 自行购买（VPS推荐可以看看，自行甄别） 下载并安装FinalShell SSH工具（其它连接工具也可） Windows版下载地址：点此下载 MacOS版下载地址：ARM版和X64版 解析到Cloudflare域名一个（非必须） 自行注册域名 V2ray相关链接 v2rayN 软件：windows客户端 二、搭建步骤1. 安装更新运行环境（非必须） Debian ...

一键搭建节点脚本 更新于 2026-08-13。以下均为第三方项目，不是 sing-box 官方安装器。仓库活跃不等于脚本经过安全审计；执行前应打开项目主页阅读最近提交、Issues 和 Release，并先下载检查脚本内容。 不要在存有生产数据的服务器盲目执行 curl | bash / wget | bash。建议使用快照或新 VPS 测试，记录脚本修改的 systemd 服务、端口、防火墙、计划任务和配置路径。本文只核对项目入口是否仍存在，不为第三方脚本的安全性、可用性或长期维护作保证。 免责声明仅供交流学习使用！使用者在使用时，必须遵守当地法律和规定。使用者有责任确保他们的行为符合其所在地区的法律、规章以及其他适用的规定。 Sing-box多合一F佬Sing-box一键脚本1bash <(wget -qO- https://raw.githubusercontent.com/fscarmen/sing-box/main/sing-box.sh) 老王Sing-box四合一1bash <(curl -Ls https://raw.githubuserco ...

【零基础】一键搭建3X-UI面板 更新于 2026-08-13：官方稳定版已到 v3.6.0。本文不固定菜单编号，安装与配置变化请以 3X-UI Wiki 和 Releases 为准。 免责声明仅供交流学习使用！使用者在使用时，必须遵守当地法律和规定。使用者有责任确保他们的行为符合其所在地区的法律、规章以及其他适用的规定。 项目地址3X-UI的Github项目地址 （README里面有详细的教程） 一、准备工作1. 一台受支持的 Linux VPS 官方当前支持 Debian、Ubuntu、Fedora、RHEL/CentOS 系、Alpine、Arch、openSUSE 等多种系统及多种 CPU 架构。优先使用仍在安全支持期内的发行版；不要再新装已停止维护的 CentOS 7。 整理了一些便宜的VPS（AFF） ：地址 2. 下载并安装FinalShell SSH工具 Windows版下载地址：点此下载 MacOS版下载地址：ARM版和X64版 3. 解析到Cloudflare域名一个（非必须） 国内域名注册商：腾讯云、阿里云、华为云等 优缺点：便宜，但需要实名 国外 ...

Proxmox VE (PVE) All-in-One 搭建教程最近整了一个N100的小主机，准备搞个PVE试试 2026-08-13 更新：当前稳定版为 Proxmox VE 9.2，基于 Debian 13.5 “Trixie”，默认稳定内核为 Linux 7.0。PVE 8 使用 Debian 12 “Bookworm”，仓库格式和部分内核操作与 PVE 9 不同；执行命令前请先用 pveversion -v、uname -r 确认实际环境。生产环境建议使用官方企业仓库并配置订阅，本文的无订阅仓库更适合测试和家庭实验室。 Proxmox VE (PVE)的安装第一部分：硬件与系统准备1. 硬件要求 CPU: 支持虚拟化技术的64位处理器（Intel VT-x / AMD-V） 内存: 至少8GB（建议16GB以上） 存储: 至少120GB SSD（推荐使用SSD+HDD组合） 网络: 至少1个千兆网口（多网口更佳） 2. 下载Proxmox VE ISO镜像访问 Proxmox VE 官方下载页 下载并核对最新版 ISO。截至本文更新日，最新 ISO 为 Prox ...

神经网络 (Neural Network)分类、回归和时间序列预测是神经网络的三种主要应用场景，每种场景都有不同的特点。以下是它们各自的特点： 1. 分类特点： 目标：分类任务的目标是将输入数据归为一组离散类别。例如，给定一张动物图片，分类任务的目标是确定这张图片是猫、狗还是其他动物。 输出：分类模型的输出是一个概率分布，通常使用 Softmax 或 Sigmoid 激活函数来表示每个类别的可能性。输出通常是离散值，比如“是”或“否”。 网络结构：分类神经网络通常包括输入层、一个或多个隐藏层以及一个输出层，输出层的神经元数量与类别数量相对应。输出层使用的激活函数通常是 Softmax（用于多分类）或 Sigmoid（用于二分类）。 损失函数：常用的损失函数为交叉熵损失（Cross-Entropy），用于衡量预测的类别概率与实际类别之间的误差。 应用场景：如图像分类、语音识别、文本分类等。 示例： 邮件分类为垃圾邮件或正常邮件。 图像分类任务，如手写数字识别。 2. 回归特点： 目标：回归任务的目标是预测一个连续值。例如，给定房屋的特征，预测房屋的价格。 输出：回归模型的输出是 ...

Python日常使用的自动化脚本 Link Description sort_files 根据文件扩展名将目录中的文件组织到子目录中 remove_empty_folders 删除所有空的文件夹 rename_files 批量重命名目录中的文件 scrape_data 从网站上抓取数据 download_images 从网站批量下载图片 count_words 统计指定文件中的单词总数 find_replace 在文件中查找并替换特定文本 send_personalized_email 向多个收件人发送个性化电子邮件 read_excel 读取和写入Excel文件 remove_duplicates 指定的Excel文件中移除重复的行 resize_image 调整图像大小 check_disk_space 监控系统中的可用磁盘空间 check_website_status 检查指定网站的状态，以判断网站是否可以正常访问 extract_text_from_pdf 从PDF文件中提取文本 recognize_text 从 ...

多目标算法多目标算法更新完毕（后续可能更新） Full Name Abbreviation Chinese Multi-Objective Dragonfly Algorithm MODA 多目标蜻蜓算法 Multi-Objective Differential Evolution MODE 差分进化多目标优化算法 Multi-Objective Evolutionary Algorithm Based on Decomposition MOEA-D 基于分解的多目标进化算法 Multi-Objective Genetic Algorithm (Case Study) MOGA 多目标遗传算法（案例） Multi-Objective Grasshopper Optimization Algorithm MOGOA 多目标蝗虫优化算法 Multi-Objective Grey Wolf Optimization Algorithm MOGWO 多目标灰狼优化算法 Multi-Objective Multi-Verse Optimization MOMV ...

多目标遗传算法（Multi-Objective Genetic Algorithm，MOGA）本次提供的代码是一个科技论文的代码，是组内师兄的代码！ Github地址 名称说明：MOGA 也常被用作“多目标遗传算法”的泛称。本文案例实际调用 MATLAB 的 gamultiobj；MathWorks 官方说明该求解器采用的是受控精英遗传算法（NSGA-II 的一种变体），并不等同于 Fonseca 与 Fleming 在 1993 年提出的特定 MOGA 排序算法。 多目标遗传算法（MOGA）详细介绍 基本概念： 多目标优化是同时优化多个互相冲突的目标函数。在许多实际问题中，常常需要在不同目标之间进行权衡，比如在工程设计中，既要考虑成本，又要考虑性能。 遗传算法的基本原理： 遗传算法是一种基于自然选择和遗传学原理的优化算法。其基本步骤包括： 种群初始化：生成一个随机的解集（种群）。 适应度评估：根据目标函数计算每个解的适应度。 选择：根据适应度选择较优的个体进行繁殖。 交叉和变异：通过交叉和变异生成新的个体，模拟自然进化过程。 更新种群：用新生成的个体替换掉旧的个体，形成新 ...