1、登陆云帮手，打开站点管理，点击“创建新站点”，在弹出的站点信息页面输入站点名称和域名2、在刚创建好的站点后方点击浏览目录进入相应目录3、勾选目录下的全部文件并删除4、然后点击上传按钮，将源码文件上传5、如果你的域名已经完成了解析，源码上传后直接输入网站域名就可以正常访问了云帮手快速建站，集合站点管理、数据库管理和FTP管理三大功能，满足不同用户需求，帮助用户实现更高效运维！
一、申请空间和域名，当你想建个独立网站，首先你需要购买域名，和空间（虚拟服务器），空间相当于你租了个门面房，里面什么都没有。域名是这个门面房的地址，只不过域名要解析到空间，然后空间绑定域名。上面即便都完成了，你还需要一步，如果是国内空间你需要网站备案，这是中国特有的一步程序，选择香港空间或者国外空间的话你并不需要进行备案，但是可能访问速度差一点点。
二、然后通过FTP软件把源码上传到网站空间里，这一步比较简单，只要把空间地址和密码填写好，注意有的空间对防火墙设置有要求。然后就可以联接到空间并上传源码。
三、二次安装，或者修改数据库连接文件，完成数据库的连接，之后你的网站就可以访问了。你的网站就算上线了。
近日，我的一位同事向我寻求建议，她打算为自己构建一个博客。于是，我对静态网站生成器和博客引擎进行了一番研究，发现 Hugo 是一个很不错的选择。但是，我的同事还有一些特殊要求，比如，她想要一个自定义的博客网址和 CSS 主题。尽管这些 Hugo 都可以实现，但我并不打算花时间来学习它。我想自己创建一个简单的静态网站生成器，以便我的同事在她已经准备好的 HTML 中编写博客文章。
这个静态网站生成器的代码大约 100 行，非常简洁。它提供了详细代码和示例博客 。众所周知，GitLab 提供静态页面的免费托管服务，还带有 CI/CD 功能，它允许你在部署之前编译页面。
以下教程将带你使用 Node.js 设置自己的静态网站生成器，Node.js 的版本需要 “>= 8.11.x”。
npm initnpm i --save-exact bluebird chokidar fs-extra mustachemkdir srcmkdir public
首先，设置项目：
开始之前，我们需要弄清楚一个问题：为什么需要静态网站生成器？因为某些情况并不需要静态网站生成器。假如你的博客访问量很小，你只需简单地手工创建 HTML 页面并发布它们即可。实际上，在服务器编程兴起之前，在很长时间内这就是大多数 Web 的发布方式。但是，一旦页面和内容增加，对这些页面中的通用部分（例如页面底部）进行更改将会变得非常重复和乏味。因此，我们开始寻找一种更加理想的方法，尝试使用某种简单的模板引擎来分离常见内容，然后在特定的地方插入所需的内容。
开始研究模板引擎之前，先设置我们的网站。我们需要在项目根目录下创建 2 个文件夹 ：
SRC：我们当前网站所在的位置；Public：用来存放我们生成的网站。我们的目标是将 src 目录的内容复制到 public 目录中。在项目根目录下创建 index.js 文件，其内容如下：
const Promise = require("bluebird");const fse = require("fs-extra");Promise.resolve().then(async () => { await main();});const main = async() => { await generateSite();};const generateSite = async() => { await copyAssets();};const copyAssets = async() => { await fse.emptyDir("public"); await fse.copy("src", "public");};
执行命令 node index.js，即可启动该脚本。
祝贺你！此刻，你已荣升为一名后端开发人员。
接下来，我们将添加文件监视器，src 文件夹中的内容一旦发生更改就将重新生成网站。该博客总共包含 500-1000 个文件，我们可以在任何变化发生时重新生成整个网站：
const chokidar = require("chokidar");const main = async() => { await generateSite(); watchFiles();};const watchFiles = () => { const watcher = chokidar.watch( [ "src" ], { ignored: /(^|[/\])../, // chokidar will watch folders recursively ignoreInitial: false, persistent: true } ); watcher.on("change", async path => { console.log("changed " + path + ", recompiling"); await generateSite(); }); // catch ctrl+c event and exit normally process.on("SIGINT", function() { watcher.close(); });};
上面的代码清楚地说明了为什么初始版本有一个名为 generateSite 的函数。现在执行命令 node index.js 启动我们的静态网站生成器，如果在 src 目录中编辑任何文件，public 都会发生变化。此时，我们还将添加一个环境变量来区分开发和生产模式。在开发模式中，我们将关注更改情况并重新生成网站，而在生产模式中，我们只需重新生成：
const env = process.env.NODE_ENV || "dev";const main = async () => { console.log("Running app in " + env); await generateSite(); if (env === "dev") { watchFiles(); }};
我们可以执行命令 export NODE_ENV=prod || set NODE_ENV=prod && node index.js 来运行以上代码。请注意，观察源目录的更改和重新编译并不是每次都必须的，你可以跳过此步骤，只需在每次进行更改时运行脚本即可。
至此，差不多完成了！现在来说说模板。我们将使用 Mustache.js 模板，它非常简单易用，并且我们的需求并不复杂。创建一个文件夹 src/partials，用来存放网站的公共部分。然后稍微修改我们的网站结构，保证所有页面都存放在 src/pages 目录中。接下来加载页面并使用 Mustache 渲染：
const fs = require("fs");const generateSite = async () => { await copyAssets(); await buildContent();};const buildContent = async () => { const pages = await compilePages(); await writePages(pages);};const compilePages = async () => { const partials = await loadPartials(); const result = {}; const pagesDir = path.join("src", "pages"); const fileNames = await fs.readdirAsync(pagesDir); for (const fileName of fileNames) { const name = path.parse(fileName).name; const fileContent = await fs.readFileAsync(path.join(pagesDir, fileName)); result[name] = Mustache.render(fileContent.toString(), {}, partials); } return result;};const loadPartials = async () => { const result = {}; const partialsDir = path.join("src", "partials"); const fileNames = await fs.readdirAsync(partialsDir); for (const fileName of fileNames) { const name = path.parse(fileName).name; const content = await fs.readFileAsync(path.join(partialsDir, fileName)); result[name] = content.toString(); } return result;};const writePages = async pages => { for (const page of Object.keys(pages)) { await fs.writeFileAsync(path.join("public", page + ".html"), pages[page]); }};
想要了解最终版本，请查看 Software Dawg 项目（）。它与本教程有一些细微差别：
脚本本身位于 src 目录下。代码略超过了 100 行，大约 130 行，为了遵循简洁的代码实践风格，使用常量而不是文件夹路径的字符串。该脚本不会复制整个 src 文件夹，而只复制必要的资源，比如 CSS 文件、图片等。该项目使用 node-sass 编译模板 CSS。然而，这种依赖性不是必需的，因为已编译的 CSS 文件也被提交到了 Git。此外，你还可以安装 browser-sync 软件包，然后通过命令 npm run live-reload 运行它，如此一来，只要有任何更改发生浏览器就会自动刷新。请注意，由于任何更改都将重新生成整个网站，因此并不适用于 Windows。
GitLab 提供静态网站免费托管，只需一个 .gitlab-ci.yml 配置文件即可。真正令人难以置信之处在于，你可以自定义构建过程，这意味着在该例中，我们可以在部署之前生成网站！有关此功能的详细信息，请参见。
本教程到此结束，我的同事对此非常满意，该方案非常灵活，它允许她根据自己的喜好进行自定义，也希望对你有所助益！
原文：
作者简介：Victor Parmar，是一位全栈工程师，热爱旅行，热爱 DIY。
译者：安翔，责编：屠敏
王小新 编译自 Insight Data Blog
量子位 出品 | 公众号 QbitAI
写个网页能有多麻烦？在大多数公司里，这项工作分为三步：
1. 产品经理完成用户调研任务后，列出一系列技术要求；
2. 设计师根据这些要求来设计低保真原型，逐渐修改得到高保真原型和UI设计图；
3. 工程师将这些设计图实现为代码，最终变成用户使用的产品。
这么多环节，任何地方出一点问题，都会拉长开发周期。因此，不少公司，比如Airbnb已经开始用机器学习来提高这个过程的效率。
△ Airbnb内部的AI工具，从图纸到代码一步到位
看起来很美好，但Airbnb还没公开该模型中端到端训练的细节，以及手工设计的图像特征对该模型的贡献度。这是该公司特有的闭源解决方案专利，可能不会进行公开。
好在，一个叫Ashwin Kumar的程序员创建了一个开源版本，让开发者/设计师的工作变得更简单。
以下内容翻译自他的博客：
理想上，这个模型可以根据网站设计的简单手绘原型，很快地生成一个可用的HTML网站：
△ SketchCode模型利用手绘线框图来生成HTML网站
事实上，上面例子就是利用训练好的模型在测试集上生成的一个实际网站，代码请访问：。
从图像标注中获取灵感目前要解决的问题属于一种更广泛的任务，叫做程序综合（program synthesis），即自动生成工作源代码。尽管很多程序综合研究通过自然语言规范或执行追踪法来生成代码，但在当前任务中，我会充分利用源图像，即给出的手绘线框图来展开工作。
在机器学习中有一个十分热门的研究领域，称为图像标注（image caption），目的是构建一种把图像和文本连接在一起的模型，特别是用于生成源图像内容的描述。
△ 图像标注模型生成源图像的文本描述
我从一篇pix2code论文和另一个应用这种方法的相关项目中获得灵感，决定把我的任务按照图像标注方式来实现，把绘制的网站线框图作为输入图像，并将其相应的HTML代码作为其输出内容。
注：上段提到的两个参考项目分别是
pix2code论文：
floydhub教程：?source=techstories.org
获取合适的数据集确定图像标注方法后，理想中使用的训练数据集会包含成千上万对手绘线框图和对应的HTML输出代码。但是，目前还没有我想要的相关数据集，我只好为这个任务来创建数据集。
最开始，我尝试了pix2code论文给出的开源数据集，该数据集由1750张综合生成网站的截图及其相应源代码组成。
△ pix2code数据集中的生成网站图片和源代码
这是一个很好的数据集，有几个有趣的地方：
该数据集中的每个生成网站都包含几个简单的辅助程序元素，如按钮、文本框和DIV对象。尽管这意味着这个模型受限于将这些少数元素作为它的输出内容，但是这些元素可通过选择生成网络来修改和扩展。这种方法应该很容易地推广到更大的元素词汇表。
每个样本的源代码都是由领域专用语言（DSL）的令牌组成，这是该论文作者为该任务所创建的。每个令牌对应于HTML和CSS的一个片段，且加入编译器把DSL转换为运行的HTML代码。
彩色网站图像变手绘图为了修改我的任务数据集，我要让网站图像看起来像手工绘制出的。我尝试使用Python中的OpenCV库和PIL库等工具对每张图像进行修改，包括灰度转换和轮廓检测。
最终，我决定直接修改原始网站的CSS样式表，通过执行以下操作：
1. 更改页面上元素的边框半径来平滑按钮和DIV对象的边缘；
2. 模仿绘制的草图来调整边框的粗细，并添加阴影；
3. 将原有字体更改为类似手写的字体；
最终实现的流程中还增加了一个步骤，通过添加倾斜、移动和旋转来实现图像增强，来模拟实际绘制草图中的变化。
使用图像标注模型架构现在，我已经处理好数据集，接下来是构建模型。
我利用了图像标注中使用的模型架构，该架构由三个主要部分组成：
1. 一种使用卷积神经网络（CNN）的计算机视觉模型，从源图像提取图像特征；
2. 一种包含门控单元GRU的语言模型，对源代码令牌序列进行编码；
3. 一个解码器模型，也属于GRU单元，把前两个步骤的输出作为输入，并预测序列中的下一个令牌。
△ 以令牌序列为输入来训练模型
为了训练模型，我将源代码拆分为令牌序列。模型的输入为单个部分序列及它的源图像，其标签是文本中的下一个令牌。该模型使用交叉熵函数作为损失函数，将模型的下个预测令牌与实际的下个令牌进行比较。
在模型从头开始生成代码的过程中，该推理方式稍有不同。图像仍然通过CNN网络进行处理，但文本处理开始时仅采用一个启动序列。在每个步骤中，模型对序列中输出的下个预测令牌将会添加到当前输入序列，并作为新的输入序列送到模型中；重复此操作直到模型的预测令牌为，或该过程达到每个文本中令牌数目的预定义值。
当模型生成一组预测令牌后，编译器就会将DSL令牌转换为HTML代码，这些HTML代码可以在任何浏览器中运行。
用BLEU分数评估模型我决定使用BLEU分数来评估模型。这是机器翻译任务中常用的一种度量标准，通过在给定相同输入的情况下，衡量机器生成的文本与人类可能产生内容的近似程度。
实际上，BLEU通过比较生成文本和参考文本的N元序列，以创建修改后的准确版本。它非常适用于这个项目，因为它会影响生成HTML代码中的实际元素，以及它们之间的相互关系。
最棒的是，我还可以通过检查生成的网站来比较当前的实际BLEU分数。
△ 观察BLEU分数
当BLEU分数为1.0时，则说明给定源图像后该模型能在正确位置设置合适的元素，而较低的BLEU分数这说明模型预测了错误元素或是把它们放在相对不合适的位置。我们最终模型在评估数据集上的BLEU分数为0.76。
福利：定制网页风格后来，我还想到，由于该模型只生成当前页面的框架，即文本的令牌，因此我可以在编译过程中添加一个定制的CSS层，并立刻得到不同风格的生成网站。
△ 一个手绘图生成多种风格的网页
把风格定制和模型生成两个过程分开，在使用模型时带来了很多好处：
1.如果想要将SketchCode模型应用到自己公司的产品中，前端工程师可以直接使用该模型，只需更改一个CSS文件来匹配该公司的网页设计风格；
2. 该模型内置的可扩展性，即通过单一源图像，模型可以迅速编译出多种不同的预定义风格，因此用户可以设想出多种可能的网站风格，并在浏览器中浏览这些生成网页。
总结和展望受到图像标注研究的启发，SketchCode模型能够在几秒钟内将手绘网站线框图转换为可用的HTML网站。
但是，该模型还存在一些问题，这也是我接下来可能的工作方向：
1. 由于这个模型只使用了16个元素进行训练，所以它不能预测这些数据以外的令牌。下一步方向可能是使用更多元素来生成更多的网站样本，包括网站图片，下拉菜单和窗体，可参考启动程序组件（）来获得思路；
2. 在实际网站构建中，存在很多变化。创建一个能更好反映这种变化的训练集，是提高生成效果的一种好方法，可以通过获取更多网站的HTML/CSS代码以及内容截图来提高；
3. 手绘图纸也存在很多CSS修改技巧无法捕捉到的变化。解决这个问题的一种好方法是使用生成对抗网络GAN来创建更逼真的绘制网站图像。
相关地址代码：
原文：
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
?'?' ? 追踪AI技术和产品新动态
今天给大家推荐几个可以在线编程的网站。对于大部分开发者可能会不屑使用在线的网站，认为在自己电脑安装环境不是很简单的事情么。但是你很有可能临时需要一台电脑去测试一段简单的代码，也有可能想要分享一段代码给别人，也有可能你想要学习很多语言，又不想一一安装编程环境。那么今天推荐的网站肯定能满足你的需求。
idenone.com网址：
这个网站不错，支持Java，但是页面有广告。除了支持Java语言，还支持其他语言。
dabblet这个网站适合前端测试使用，该网站可以用来测试Html，Css，Js等功能。
Fenby网址：
这个网站不只支持后端语言编码，也支持前端编码，使用体验很不错。支持的语言也很丰富。
前端的支持也很OK。
W3School?f=js_use
当然对于想系统学习前端知识的童鞋可以使用W3School，这个网站很适合，不仅有大量的案列，还有可以实战编码。
在线编程该网站支持的语言也挺多，比较推荐。
今天的介绍就到这里了，如果你打算系统学习编程，那我还是建议你老老实实的安装编译环境，安装编辑器。