通过使用github部署网站

yuxiaok 2022-03-07 15:58:37

一、下载git软件

 

二、注册登录GitHub账号

 

三、添加库

 

四、选择库的相关属性

 

 五、开始部署

 

 

 

 

六、随便打开电脑盘内的一处空白(通过使用git开始上传)

 

  1. 输入下载命令

     

     2、下载完成

 

 

     3、下载后将将自己的网页文件复制粘贴至创建好的文件中

 

 

    4、下载好后依次

           1、用“cd 你的仓库名”命令进去下载的文件夹,

          

          2、检查状态“git status”,

         

        3、“git add .”,将工作区的代码添加到暂存区

         4、“git status”,

       

     5、git commit -m “modify”,将暂存区的代码添加到仓库区

       

     6、git pull,更新代码,同步远程仓库

     7、git push。提交代码到远程仓库(Github)

       

        注意:如果出现错误,一般都是VPN的问题

                 git config --global http.sslVerify "false"

5、刷新一下,出现在本地添加的网页

七、最后验证网址

八、再次更新网址

重复上述git操作过后。

...全文
517 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

33

社区成员

发帖
与我相关
我的任务
社区描述
Echarts开发者
其他 企业社区
社区管理员
  • csdnsqst0021
  • karina17
  • 活动通知
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧