簡介

Web 3.0是指下一代互聯網，也稱為“分佈式網絡”，它是Web 2.0的進一步發展。
Web 3.0的特點是通過分佈式數據庫和智慧合約實現去中心化、安全、私密、可擴展的互聯網。

Web 3.0 的核心技術包括區塊鏈、人工智慧、物聯網、分佈式系統等。

1. 區塊鏈技術是Web 3.0最重要的基礎，它可以實現去中心化和安全的數據儲存和交換。
2. 智慧合約是Web 3.0的另一個重要技術，它可以實現可編程的合約，並使其執行自動化。
3. 此外，Web 3.0還包括分佈式儲存、點對點網絡、數字身份等技術。

Web 3.0將使得互聯網更加開放、民主、公正，並且能夠實現更多的創新和應用。例如，Web 3.0可以實現可信賴的數字身份認證、去中心化的社交網絡、去中心化的交易市場等。
不過，Web 3.0的發展仍然面臨著許多技術挑戰和社會問題，例如去中心化的治理、數據隱私保護等問題。

背景

近期頻繁收到Hexo版本更新的信件，紀錄下更新過程。

背景

2021年8月14日，上傳程式碼至Github時，遇到Github不再支援密碼驗證這問題，

remote: Support for password authentication was removed on August 13, 2021. Please use a personal access token instead.

連結如下
https://github.blog/changelog/2021-08-12-git-password-authentication-is-shutting-down/

針對這問題，參考常見的解決方式，符合本身的需求找出的解決方案，透過Sourcetree 上傳至 Github。

• Git
• Sourcetree
• Github

方案 1 安裝 hexo-asset-image

安裝套件

安裝 hexo-asset-image

1

npm install hexo-asset-image --save

OWASP

OWASP (Open Web Application Security Project) 是一個國際性的非營利組織，致力於提升 Web 應用程式的安全性。OWASP 的使命是為了讓機構能夠製作和維護安全的應用程式，同時也為開發人員和安全專家提供有關於Web安全方面的資源和培訓。

OWASP 定期發佈 Web 應用程式的十大安全漏洞，每兩年更新一次，這些安全漏洞是目前最常見的攻擊方式，也是開發人員在開發 Web 應用程式時最容易忽略的地方。此外，OWASP 也提供了大量的資源和工具，包括測試方法、漏洞掃描器、安全指南等，讓開發人員和安全專家更容易地檢測、評估和改進 Web 應用程式的安全性。

OWASP 的重點是在教育和啟發安全意識，推廣安全開發實踐和促進安全測試，以提高 Web 應用程式的安全性和可靠性。由於 OWASP 的資源和工具是免費提供的，且有豐富的社區支援，因此受到開發人員和安全專家的廣泛關注和認可。

總之，OWASP 的目標是提高 Web 應用程式的安全性，並推廣最佳的安全實踐和技術。其提供了豐富的資源和工具，以幫助開發人員和安全專家進行安全測試和漏洞修復，並加強開發人員的安全意識和技能，從而使 Web 應用程式更加安全和可靠。

SOLID 是五個物件導向設計的基本原則縮寫，由 Robert C. Martin（Uncle Bob）提出，旨在幫助開發人員設計出靈活且易於維護的系統。這些原則可以降低耦合度、提高可讀性與擴展性。

簡介

I 運用領域模型
II 領域模型建構區塊
III 透過重構加深理解
IV 戰略設計

1. 指令無法安裝
2. Ubuntu updates vs code.
3. Extension mode
4. 快速鍵指南

凍結參數

1
2
3
4
5
6

model = SuperPointNet_gauss2()
    
for param in model.parameters():
    param.requires_grad = False
for param in model.linear.parameters(): # 指定訓練
    param.requires_grad = True

torchsummary

1
2
3
4
5
6
7

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = SuperPointNet_gauss2()
model = model.to(device)

# check keras-like model summary using torchsummary
from torchsummary import summary
summary(model, input_size=(1, 240, 320))