Docker Compose 是一个强大的工具，它简化了多容器 Docker 应用的部署。我最初使用 docker run 等方式部署 Docker 容器，但为了部署 MC 服务器，并考虑到我已将闲置主机改造成 NAS，我开始探索 Docker Compose。
起初，我尝试使用 docker run，但发现环境变量和挂载等参数修改起来非常繁琐，因此我转向了 Docker Compose。
Docker Compose 是一个用于定义和运行多容器 Docker 应用程序的工具。它使用 YAML 文件来配置应用程序的服务、网络和卷等。通过 Docker Compose，可以轻松管理复杂的容器部署，尤其适合需要多个服务协同工作的场景。
在使用 Docker Compose 的过程中，我形成了自己的一些理解。
Docker Compose 的理解Docker Compose 是一个用于定义和运行多容器 Docker 应用程序的工具，核心在于通过一个 YAML 文件定义多个相互关联的 Docker 容器，并将它们作为一个整体进行管理。
它可以简化配置，管理服务依赖，并且方便快捷地部署服务。
它 ...
前言最近在学习STM32，在通过一番搜索后决定选择HAL库开发，后因环境配置头疼不已，最终选择了Keil MDK + CubeMX + VSCode的配置方式，经过一番折腾终于配置成功，特此记录一下。闲话不多说，直接进入正题。
本教程适用于Windows系统平台
准备工作安装软件1.VSCode：代码编辑器，用于编写代码
2.Keil MDK：用于编译和烧录程序,下载时选择ARM版本即可
3.CubeMX：用于生成初始化代码,下载时选择STM32CubeMX-Win即可
准备安装的VSCode插件1.C/C++ Extension Pack：用于代码提示和调试
2.Keil Assistant：CL的那一个
配置VSCode首先先让VSCode支持C语言开发，前往Github下载MinGW-W64,下载：x86_64-xx.xx.xx-release-win32-seh-msvcrt-rt_v12-rev0。解压后，将bin目录添加到环境变量中。
然后安装VSCode插件，安装完成后重启VSCode。
该睡觉了，未完待续
Markdown
未读以 CommonMark、GFM 标准为基础进行测试。
深度学习
未读从零开始训练YOLO模型引言：
YOLO（You Only Look Once）是一种流行的目标检测算法，以其快速和准确的特点而闻名。本文将引导你从零开始训练一个YOLO模型，包括环境准备、数据集准备、模型训练和测试等步骤。
1. 准备环境1.1 安装CUDA
访问NVIDIA官网下载对应显卡驱动版本的CUDA Toolkit。
配置环境变量：
CUDA_HOME: CUDA的安装路径（例如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0）
Path: 将%CUDA_HOME%\bin和%CUDA_HOME%\libnvvp添加到Path环境变量中。
验证CUDA是否安装成功：在命令行中输入nvcc -V，如果显示CUDA版本信息，则表示安装成功。
1.2 安装PyTorch
访问PyTorch官网，选择合适的PyTorch版本和安装方式。 注意：
PyTorch版本需要与CUDA版本匹配
可以使用nvidia-smi命令查看CUDA版本
PyTorch版本应低于CUDA版本
推荐使用pip命令安装PyTorch
...
085fe4c45764f816428d67f343f087f9a8a5b850c99a5c56bb64e9f547280e1bbbfcd42a9bd0dd9fe0e47adb348dd7733da447fa790ec05fe6a01f5bc1a1fa7c888f09fbdbff05078b49ea7b36308ce1664e76491852723219afbfed6346334e20bfdaf1c79acaa17c7cb1b7d2b98337d6a667b975408d52094079da309358d14ee3f2630d6be1c55a2e3461c6117614555fb45149d3426ca40055f4797bad66f9ee0baa7394f1f281ce203657e81dc67d4ca3b0858c9280e64f8ce691044afebda254bf89cd51c13d38b483bccb8e8106e53293efe2401639fad29c821e554e3c41c94c12381b5a03e0df99aae495af129ec9d426503ab67 ...
archives
未读
085fe4c45764f816428d67f343f087f9be3a21abf83964ebdbe3a260b60af4e074e09d8079b337b141d464a0df242452301b320aec87a6ab2f99008ce1dd1d3210495f74ddc53dcc754d6f0d1afaa354d7ae727e8e25a811cd1e844320a8c33dd6f908649fb0e8265fb27e25ec7bb311d6d4bd09469dd70f5ede48f2f5418eebae74debc685998dbb48dd415992e25d5903753f512cf51ec1305e9fa763cce7f8db4b666faf1c025c7e0af6c5fe9e0d8a5aa6da06c2717adb0460f56d28c20c72fe1405a3475d020e22a26cdb84e1c61f5c5fe20b57a5541c1fde0cebf348cc5367508557379bcf3f6fddaa0028ac92d2ccd521473244f22c ...
