怎么将网站提交多个搜索引擎，以便优化搜索


## 查看网站是否被收录
在网站搜索自己的域名，有结果即被收录
```
site:域名
```

:::tip{title="提示"}
网站域名在各大搜索引擎提交后，需要一段时间才能被收录
:::
## google
### 点击下方链接
https://search.google.com/search-console
### 点击”添加资源”
选择资源类型：
>网域（推荐）
>网址前缀
### 验证所有权
方法一：HTML 文件
``
google[随机字符].html
方法二：HTML 标记
``
`<meta name="google-site-verification" content="验证码" />`
方法三：DNS 记录
添加 TXT 记录到域名的 DNS 设置
### Sitemap 提交
网站设置好Sitemap.xml文件，提交Sitemap.xml的地址就好
### 设置robots.txt
网站设置好robots.txt文件
### 多语言网站标记
```

<link rel="alternate" hreflang="en" href="https://example.com/en/" />
<link rel="alternate" hreflang="zh" href="https://example.com/zh/" />
```
## bing
### 点击下方链接登录
https://www.bing.com/toolbox/webmaster/
接下来我们需要需要在必应网站管理员工具添加网站，添加的方法有两种
方法一：通过Google Search Console导入网站。
如果你已经设置过Google Search Console，那我会建议你选择通过Search Console导入你的网站以通过验证，点击继续访问Search Console并确认。
方法二：直接在必应管理员工具添加网站
### 验证所有权
方法一：HTML 文件
``
google[随机字符].html
方法二：HTML 标记
``
`<meta name="google-site-verification" content="验证码" />`
方法三：DNS 记录
添加 TXT 记录到域名的 DNS 设置
### Sitemap 提交
网站设置好Sitemap.xml文件，提交Sitemap.xml的地址就好
### 设置robots.txt
网站设置好robots.txt文件
## baidu
## 点击下方链接
https://ziyuan.baidu.com/linksubmit/url
## 填写链接地址再点击提交即可
![image.png](/static/img/ea1881511b8ee7f848e7bbc5541f2f9c.image.webp)

:::note{title="注"}
如果有任何错误或需要改进，欢迎留言指正。
:::
参考资料
https://www.zhiwaimao.com/bing-webmaster-tools-beginners-guide/
https://zachthinking.github.io/posts/google-search-console-guide/

网站提交搜索引擎

pytorch的基本使用



## 1. 基本的张量操作
PyTorch 使用 torch.Tensor 来进行数值计算和模型训练。它是多维数组（类似 NumPy）并且可以在 GPU 上进行计算。

### 1.1 创建张量
```
import torch

# 创建一个 2x3 的全零张量
tensor_zeros = torch.zeros(2, 3)
print(tensor_zeros)

# 创建一个 2x3 的全一张量
tensor_ones = torch.ones(2, 3)
print(tensor_ones)

# 从数据创建张量
tensor_from_data = torch.tensor([[1, 2], [3, 4]])
print(tensor_from_data)
```
### 1.2 张量的运算
```
# 张量加法
tensor_a = torch.tensor([1, 2, 3])
tensor_b = torch.tensor([4, 5, 6])
sum_tensor = tensor_a + tensor_b
print(sum_tensor)

# 张量乘法
product_tensor = tensor_a * tensor_b
print(product_tensor)

# 矩阵乘法
matrix_a = torch.tensor([[1, 2], [3, 4]])
matrix_b = torch.tensor([[5, 6], [7, 8]])
matrix_product = torch.mm(matrix_a, matrix_b)
print(matrix_product)
```
### 1.3 张量的设备操作（CPU / GPU）

```
# 在 CPU 上创建张量
tensor_cpu = torch.tensor([1.0, 2.0, 3.0])

# 将张量移到 GPU 上（需要安装 CUDA 并有支持的 GPU）
if torch.cuda.is_available():
 tensor_gpu = tensor_cpu.to('cuda')
 print(tensor_gpu)
```
## 2. 构建神经网络模型
PyTorch 提供了一个非常灵活的方式来定义和训练神经网络，通常通过继承 torch.nn.Module 来定义模型。

### 2.1 定义一个简单的神经网络
```
import torch
import torch.nn as nn
import torch.optim as optim

# 定义一个简单的全连接网络
class SimpleNet(nn.Module):
 def __init__(self):
 super(SimpleNet, self).__init__()
 self.fc1 = nn.Linear(10, 20) # 输入 10 维，输出 20 维
 self.fc2 = nn.Linear(20, 2) # 输入 20 维，输出 2 维

 def forward(self, x):
 x = torch.relu(self.fc1(x)) # ReLU 激活函数
 x = self.fc2(x)
 return x
 
 
# 实例化网络
model = SimpleNet()
print(model)
```

### 2.2 损失函数和优化器
```
# 使用均方误差损失函数（MSE）
criterion = nn.MSELoss()

# 使用随机梯度下降优化器（SGD）
optimizer = optim.SGD(model.parameters(), lr=0.01)
```
## 3. 训练过程
### 3.1 训练循环
```
# 假设输入数据为一个批次 (batch)，大小为 (batch_size, input_size)
inputs = torch.randn(5, 10) # 5 个样本，每个样本 10 个特征
targets = torch.randn(5, 2) # 5 个标签，每个标签 2 个特征

# 训练循环
for epoch in range(100): # 训练 100 次
 # 前向传播
 outputs = model(inputs)

 # 计算损失
 loss = criterion(outputs, targets)

 # 后向传播
 optimizer.zero_grad() # 清空上一步的梯度
 loss.backward() # 计算梯度
 optimizer.step() # 更新权重

 # 输出每 10 次的损失值
 if epoch % 10 == 0:
 print(f'Epoch {epoch}, Loss: {loss.item()}')
```
## 4. 使用 GPU 加速
要在 GPU 上运行模型和张量运算，只需要确保所有的张量都被移动到同一个设备（CPU 或 GPU）。例如：
```
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# 将模型移到 GPU
model.to(device)

# 输入数据也需要移到相同设备
inputs = inputs.to(device)
targets = targets.to(device)
```
训练循环（同上）
## 5. 保存和加载模型
### 5.1 保存模型
```
# 保存模型的状态字典（权重）
torch.save(model.state_dict(), 'model.pth')
```
### 5.2 加载模型
```
# 重新实例化模型
model = SimpleNet()

# 加载保存的权重
model.load_state_dict(torch.load('model.pth'))
```
## 6. 常见函数
激活函数：torch.relu(), torch.sigmoid(), torch.tanh()
张量运算：torch.add(), torch.matmul(), torch.mean(), torch.sum()
常用方法：tensor.size(), tensor.view(), tensor.reshape()

:::note{title="注"}
如果有任何错误或需要改进，欢迎留言指正。
:::

参考资料
来自ai

pytorch的基本使用

pytorch的安装指南



- [PyTorch 官网](https://pytorch.org/?spm=5176.28103460.0.0.7d815d27WTi898)
- [PyTorch GitHub](https://github.com/pytorch/pytorch?spm=5176.28103460.0.0.7d815d27WTi898)
## 1. 安装前准备
首先，确保你已安装 Python 和 pip。如果没有安装，先安装 Python。你可以通过以下命令检查是否已安装：
```
python --version
pip --version
```
如果未安装，请访问 Python 官方网站 下载并安装最新版本的 Python。安装过程中勾选 Add Python to PATH 选项。

## 2. 选择安装方式
PyTorch 提供了多种安装方式。最常用的方式是通过 pip 或 conda 安装。你可以访问 PyTorch 官网 来根据你的系统和需求生成对应的安装命令。
### 1. 使用 pip 安装稳定版 PyTorch（支持 CPU）
```
pip install torch torchvision torchaudio
```
### 2. 安装 PyTorch（支持 GPU）
若要安装支持 CUDA 的 PyTorch（即 GPU 版本），你需要选择适合你的 CUDA 版本的 PyTorch 版本。
例如，如果你有 CUDA 11.8，可以使用以下命令：
```
pip install torch torchvision torchaudio cudatoolkit=11.8
```
### 3. 使用 Conda 安装（可选）
如果你使用的是 Anaconda，推荐通过 Conda 安装，因为它能自动处理依赖关系。
1. 安装支持 GPU 的版本(推荐)
```
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch
```
2. 安装稳定版 PyTorch（支持 CPU）
```
conda install pytorch torchvision torchaudio cpuonly -c pytorch
```

## 4. 验证安装
安装完成后，验证 PyTorch 是否安装成功：
```
import torch
print(torch.__version__) # 打印 PyTorch 版本
print(torch.cuda.is_available()) # 检查是否能够使用 CUDA (GPU)
```
如果 torch.cuda.is_available() 返回 True，说明 PyTorch 可以使用 GPU。

## 5. 安装其他依赖
如果你需要额外的依赖，比如安装用于数据处理的 torchvision 或音频处理的 torchaudio，可以通过以下命令单独安装：
```
pip install torchvision torchaudio
```
## 6. 常见问题
**CUDA 版本不兼容：确保你的显卡支持相应的 CUDA 版本，并且你已正确安装显卡驱动程序。**
安装错误：如果安装过程中出现错误，建议先确保 Python 和 pip 版本都是最新的，并且已经安装了合适的依赖项。

:::note{title="注"}
如果有任何错误或需要改进，欢迎留言指正。
:::

参考资料
来自ai

pytorch的安装指南

Redis 的安装指南



Redis 是一个开源的高性能键值数据库，广泛用于缓存、会话管理和实时分析。本文介绍 Redis 在不同操作系统上的安装方法。

## 官网及源码地址
- 官网地址：[Redis 官网](https://redis.io/)
- GitHub 地址：[Redis GitHub](https://github.com/redis/redis)

# Redis 的安装指南

## 在 Ubuntu/Debian 上安装 Redis
### 1. 更新软件包索引并安装 Redis
```sh
sudo apt update
sudo apt install -y redis-server
```

### 2. 启动 Redis 并设置开机自启
```sh
sudo systemctl enable redis
sudo systemctl start redis
```

### 3. 验证 Redis 是否安装成功
```sh
redis-cli ping
```
如果返回 `PONG`，说明安装成功。

## 在 CentOS 上安装 Redis
### 1. 安装 EPEL 源并安装 Redis
```sh
sudo dnf install -y epel-release
sudo dnf install -y redis
```

### 2. 启动 Redis 并设置开机自启
```sh
sudo systemctl enable redis
sudo systemctl start redis
```

### 3. 验证 Redis 是否安装成功
```sh
redis-cli ping
```

## 在 Windows 上安装 Redis
### 1. 下载 Redis for Windows
从 [Redis 官方 GitHub](https://github.com/microsoftarchive/redis/releases) 下载适用于 Windows 的安装包，并解压。

### 2. 运行 Redis 服务器
进入解压目录，运行：
```sh
redis-server.exe
```

### 3. 测试 Redis 连接
```sh
redis-cli.exe ping
```

## 在 Docker 中运行 Redis
### 1. 拉取官方 Redis 镜像
```sh
docker pull redis:latest
```

### 2. 运行 Redis 容器
#### 无密码版
```sh
docker run -d -p 6379:6379 --name redis --restart=always redis:latest
```
#### 有密码版
```sh
docker run -d -p 6379:6379 --name redis --restart=always redis:latest --requirepass password
```
### 3. 进入 Redis CLI 进行测试
```sh
docker exec -it redis redis-cli
ping
```

:::note{title="注"}
如果有任何错误或需要改进，欢迎留言指正。
:::

参考资料
来自ai

redis安装指南

Tomcat 的安装指南



Apache Tomcat 是一个开源的 Java Servlet 容器和 Web 服务器，主要用于运行 Java Web 应用程序。本文介绍如何在不同环境中安装 Tomcat。

## 官网及源码地址
- 官网地址：[Tomcat 官网](https://tomcat.apache.org/)
- GitHub 地址：[Tomcat GitHub](https://github.com/apache/tomcat)

# Tomcat 的安装指南

## 在 Ubuntu/Debian 上安装 Tomcat
### 1. 安装 OpenJDK
```sh
sudo apt update
sudo apt install -y openjdk-11-jdk
```

### 2. 下载并解压 Tomcat
```sh
wget https://downloads.apache.org/tomcat/tomcat-9/v9.0.65/bin/apache-tomcat-9.0.65.tar.gz
sudo tar -xvzf apache-tomcat-9.0.65.tar.gz -C /opt/
```

### 3. 运行 Tomcat
```sh
cd /opt/apache-tomcat-9.0.65/bin
./startup.sh
```

## 在 CentOS 上安装 Tomcat
### 1. 安装 OpenJDK
```sh
sudo dnf install -y java-11-openjdk
```

### 2. 下载并解压 Tomcat
```sh
wget https://downloads.apache.org/tomcat/tomcat-9/v9.0.65/bin/apache-tomcat-9.0.65.tar.gz
sudo tar -xvzf apache-tomcat-9.0.65.tar.gz -C /opt/
```

### 3. 运行 Tomcat
```sh
cd /opt/apache-tomcat-9.0.65/bin
./startup.sh
```

## 在 Windows 上安装 Tomcat
### 1. 下载并解压 Tomcat
从 [Tomcat 官网](https://tomcat.apache.org/download-90.cgi) 下载 Windows 版本并解压。

### 2. 运行 Tomcat
进入 `bin` 目录并运行：
```sh
startup.bat
```

## 在 Docker 中运行 Tomcat
### 1. 拉取官方 Tomcat 镜像
```sh
docker pull tomcat:latest
```

### 2. 运行 Tomcat 容器
```sh
docker run -d -p 8080:8080 --name tomcat tomcat:latest
```

### 3. 访问 Tomcat 页面
在浏览器中打开 `http://localhost:8080`。

:::note{title="注"}
如果有任何错误或需要改进，欢迎留言指正。
:::

参考资料
来自ai