部署DeepSeek模型,进群交流最in玩法!
立即加群
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >初识rss订阅,搭建自己的公益rss阅读器

初识rss订阅,搭建自己的公益rss阅读器

作者头像
imzql
发布于 2021-12-28 00:59:14
发布于 2021-12-28 00:59:14
1.9K0
举报

昨天在一个群偶然发现一个界面新奇的rss的网页版阅读器

带着好奇心我去百度了一下什么是rss,什么是rss订阅

当然我也搜到了关于rss订阅的各种好处的博客文章

给我这种小白看的一脸愣,我对它还没有什么感觉

在我的第一印象里,RSS 充满了传奇色彩

但我不清楚它真正有什么用处,也不明白为什么那么多人吹捧它支持它。

当我点开 RSS 链接,浏览器显示一堆乱七八糟的 XML

我就超级迷惑,然后默默关闭浏览器标签

当我看到一个博主写的一篇文章让我渐渐潜意识明白了rss的好处

现在是大数据推荐时代,当我们在淘宝想要买一个插排的时候

但是犹豫不决又不想买,打开抖音平台里面弹出推荐购买公牛插排的短视频

这个就是大数据,我认为rss的好处就是可以高效的整合自己的信息面

简化了获取新闻资讯的路径减少了接受信息的干扰因素,包括信息上和视觉上

通俗来讲的话,就好比用起来,就像是皇上批阅奏章

我不可能每本都看,同时没看的也会堆积如山

rss最大程度规避了一些垃圾新媒体广告

我觉得这样很好啊。可以提高效率,节约时间

而且可以集中处理这些本来操作起来比较碎片化的事情

然后看见叶开兄弟搭建了一款在线的rss阅读器

https://rss.qq.md/p/i/

我觉得这样把友链博客都添加进去,博友更新文章及时的显示在rss阅读器

增加了与博友的互动性,这样使个人博客增加了互动性,我觉得更加有趣味

昨天下午我开始折腾我一定要搭建一个属于自己的rss阅读器

折腾经历

在一个群友的介绍下我认识了一个叫做蚁阅的rss阅读器项目

我觉得ui十分简洁,功能也十分可以,而且游客只需要注册个邮箱账号就可以使用

十分的方便,我想着搭建一个公益的rss阅读器平台分享给大家使用

蚁阅基于Docker部署,服务器环境要求:Linux, 1G 内存,Docker + 镜像加速器

但是作为偏设计专业的大二学生,根本不知道docker是什么,真是把我折腾的够呛的

作者写了一个部署文档,对于我这行外人士,这个技术性文章我也看的一脸愣

然后我给叶开兄弟发消息,叶开好像也很忙,象征性的回应几句

问油油,强仔他们都是不太懂,看来只有靠自己,从下午三点折腾到八点多还没搭建完

准备放弃掉了,偶然的加到作者微信,以为作者是那种高冷的技术大佬

作者很耐心的引导我解决了问题,我也成功搭建了属于自己的rss阅读器平台

新品尝鲜

多谢作者大大,我决定把rss阅读器平台作为我第一个公益平台

免费分享给大家使用,下面是地址,开箱即用

https://rss.5b2.cn

平台预览

界面很简洁美观,也有pc的桌面版,在电脑上也是很方便

使用介绍

访问https://rss.5b2.cn

注册自己的账号,记住自己注册的邮箱和密码

开始添加自己的友链订阅

没了了

APP下载

https://5b2.cn/rss.apk

因为有些小伙伴反馈app会比较方便

所以花了一个小时做了一个app,基于hbuider开发

本人承诺此app绝无任何违法收集信息

此app无任何违法读取权限

由于没有iOS打包证书,所以此次只有安卓版

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Cell. Syst. | 几何深度学习融合多实例学习,解读3D图像预测药物效果
今天为大家介绍的是来自伦敦癌症研究所癌症生物学系Chris Bakal教授带领团队发表的一篇论文。这项研究介绍了一个名为MorphoMIL的创新计算方法,它结合了几何深度学习(geometric deep learning)和基于注意力的多实例学习(attention-based multiple-instance learning),用于分析细胞及其细胞核的三维形态特征。研究团队采用3D点云数据作为输入,不仅能在单个细胞层面捕捉形态特征,还能分析整个细胞群体的特征,同时考虑了细胞群体中个体差异(表型异质性)。他们对超过95,000个黑色素瘤细胞进行了实验,这些细胞分别接受了具有临床意义的药物处理、基因改造,以及影响细胞内部支架结构的处理。该方法不仅能准确预测药物对细胞的影响和细胞状态,还能发现药物带来的细微形态变化,找出与细胞信号活动相关的关键形状特征,并帮助我们理解为什么同一群细胞会表现出不同状态。MorphoMIL不仅表现出色,而且适用于各种不同类型的数据集,这为未来在药物研发中进行大规模、高效的细胞形态分析开辟了新途径。
DrugAI
2025/05/02
820
Cell. Syst. | 几何深度学习融合多实例学习,解读3D图像预测药物效果
ISS空间转录组的细胞分割算法汇总(stardist、cellpose、QuPath、SCS)
StarDist 是一个基于深度学习的开源库,专注于识别和定位图像中的星形细胞或其他具有类似特征的结构。
追风少年i
2024/06/05
1.6K0
ISS空间转录组的细胞分割算法汇总(stardist、cellpose、QuPath、SCS)
前沿 | 谷歌AI脑神经元绘制法登上Nature子刊:速度提升一个数量级
连接组学旨在综合描绘在神经系统中发现的神经网络结构,以更好地理解大脑的运作模式。这一过程需要对大脑组织进行纳米级的 3D 成像(通常使用电子显微镜),然后分析成像数据结果以追踪大脑的神经突触并识别单个突触连接。由于成像分辨率高,即使是一立方毫米的大脑组织也能产生 1000 多 TB 的数据!这些图像中的结构相当复杂、精细,因此大脑成像的主要瓶颈在于数据的自动解读,而非获取。
机器之心
2018/07/26
5910
前沿 | 谷歌AI脑神经元绘制法登上Nature子刊:速度提升一个数量级
从手工作业到工业革命!Nature文章:生物图像分析被深度学习彻底改变的五个领域
一立方毫米,听起来不大,也就是一粒芝麻的大小,但在人类的大脑中,这点儿空间却能够容纳由1.34亿个突触相连接的大约5万条神经线(neural wires)。
新智元
2023/01/06
4230
从手工作业到工业革命!Nature文章:生物图像分析被深度学习彻底改变的五个领域
Google AI提新型神经网络,对神经元进行高精度自动重建
7 月 16 日, Google AI 发布了一篇博客称,Google Research 部门和 Max Planck 研究所合作提出了一种新型的递归神经网络,它可以提升连接组数据进行自动分析的准确性,相比先前深度学习技术的准确性是数量级的提升。
AI科技大本营
2018/07/24
4700
Google AI提新型神经网络,对神经元进行高精度自动重建
BvEM2024——体电子显微镜生物血管分割
今天将分享体电子显微镜生物血管分割完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2024/01/15
2310
BvEM2024——体电子显微镜生物血管分割
Trends in Cell Biology | 细胞动力学研究中的机遇与挑战
今天为大家介绍的是来自Viji M. Draviam团队的一篇论文。人工智能(AI)的发展促进了计算机视觉和深度学习(DL)技术在显微镜图像和影片评估中的应用增加。这种应用不仅解决了动态细胞生物过程的定量分析难题,还开始支持药物开发、精准医疗和基因组-表型组映射方面的进展。作者调查了现有的基于AI的技术和工具,以及开源数据集,特别关注于细胞和亚细胞结构及动态的分割、分类和跟踪的计算任务。作者从计算视角总结了显微镜视频分析中长期存在的挑战,并回顾了深度学习引导自动化在细胞动态研究中的新兴研究前沿和创新应用。
DrugAI
2024/05/22
2010
Trends in Cell Biology | 细胞动力学研究中的机遇与挑战
学界 | 谷歌《Cell》论文:光学显微镜+深度学习=荧光显微镜
谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感,在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。 AI 科技评论按:在生物和医学领域,研究员们常运用显微镜来观察肉眼无法获得的细胞细节信息。虽然运用透射光显微镜(对生物样本单侧照射生成像),观察起来相对简单且活体培养样本具有良好耐受性,但是其生成的图像难以正确评估。荧光显微技术中会用荧光分子染色需要观察的目标(比如细胞核),这种做法能简化分析过程,但其仍需要复杂的样品制备。随着包括图像质量自动评估算法和协助病理医师诊断癌组
AI科技评论
2018/04/18
2K0
学界 | 谷歌《Cell》论文:光学显微镜+深度学习=荧光显微镜
业界 | 智能显微镜带领人类观看动物细胞演化大戏
甚至,在关键的48小时窗口中,当原始稚嫩的器官开始生长成型的时候,科学家们能够追踪每一个胚胎细胞,确定它的去向和变化,看看它打开了什么基因的锁头,以及它在此期间遇到了什么细胞。
大数据文摘
2018/12/05
4280
业界 | 智能显微镜带领人类观看动物细胞演化大戏
深度学习能使细胞和基因图像更加清晰
卷积神经网络的深度学习使计算机更加有效、全面的处理图像,生物学领域正在逐渐运用这一技术,它能使细胞、基因等图像更加清晰,使机器看到更多人类从未见过的东西。 眼睛被认为是心灵的窗口——而谷歌的研究人员把它看作是一个人的健康指示器。这家科技巨头正在通过分析人视网膜照片,利用深度学习来预测人的血压、年龄和吸烟状况。谷歌(Google)的计算机从血管的排列中收集线索——一项初步研究表明,这些机器可以利用这些信息来预测一个人是否有心脏病发作的危险。 这项研究依赖于一种卷积神经网络,这是一种深层学习算法,它正在改变生物
人工智能快报
2018/03/30
1K0
nature | 基于深度学习方法的虚拟组织染色
组织病理学可以追溯到19世纪,它一直是病理学中使用的黄金标准诊断方法之一。如果在医学检查之后或在外科手术期间需要活组织检查,则需要从患者身上取出组织样本,然后将其切成微米薄片。这些病理学切片包含有关组织病理状态的微观信息;然而,这种薄的切片是透明的,并且在标准光学显微镜下不能提供足够的对比度。组织化学利用标本的细胞和亚细胞化学环境将特殊发色团与特定组织成分结合起来,在可见光显微镜下产生颜色对比,形成专家诊断医师和病理学家诊断组织标本异常的基础。
DrugAI
2021/01/28
1.6K0
谷歌新突破:AI自动重构3D大脑神经地图,准确度提高一个数量级
连接组学的目的是全面成像在神经系统中的神经元网络结构,以便更好地理解大脑的运作。这个过程需要对脑组织进行纳米级(通常使用电子显微镜)3D成像,然后分析所得到的图像数据以追踪大脑的神经突并识别个体突触连接。由于成像的高分辨率,即使是立方毫米的脑组织也可以产生超过1000 TB的数据!结合这些图像中的结构可能非常微妙和复杂,大脑成像的主要瓶颈就是自动解释这些数据,而不是获取数据本身。
AiTechYun
2018/07/27
5610
谷歌新突破:AI自动重构3D大脑神经地图,准确度提高一个数量级
AI+显微镜:更清晰、更快速、更精确
作者/凯霞 显微镜有着悠久的历史,1590年由荷兰的詹森父子所首创,是人类最伟大的发明之一,是人类进入原子时代的标志。显微镜作为科研和医疗领域重要的分析仪器,随着科学进步,对显微镜性能要求提高。而人工智能(AI)的引入,可帮助显微镜看的更清晰,更快的处理更多的数据,更实时、精确、自动化等。 近年来,有很多企业、科研机构和高校投入大量精力,致力于AI应用于显微镜研究。当前,显微镜智能化技术发展迅速。 本文将从显微镜基本概述,AI应用于显微镜研究进展,智能显微镜研究企业及机构,未来机遇与挑战等几个方面进行综述。
机器之心
2023/03/29
1K1
AI+显微镜:更清晰、更快速、更精确
前沿 | 视网膜眼底图像预测心脏病风险:Nature综述深度学习在生物医疗中的新应用
选自Nature 作者:Amy Maxmen 机器之心编译 参与:黄小天、李泽南 生物医疗是机器学习技术应用对接的重要领域之一。近日,Nature 报道了谷歌运用深度学习技术(主要是卷积神经网络)在该领域取得的新突破。谷歌通过分析眼球的视网膜图像,可以预测一个人的血压、年龄和吸烟状况,而且初步研究表明,这项技术在防范心脏病发作上很有成效。深度学习技术正改变着生物医疗学家处理分析图像的方式,甚至有助于发现从未触及的现象,有望开辟一条新的研究道路。 眼睛通常被认为是心灵的窗口——但是谷歌研究者却将其看作人体健
机器之心
2018/05/11
1.1K0
一种基于深度学习的低成本细胞生物学研究方法
答案是肯定的!在本文中,我们提出了一种灵活且低廉的方法来解决生物学问题,该方法非常适合业余科学家。我们充分利用了低成本的图像设备(FoldScope显微镜)、公共图像数据(Kaggle 数据库)和免费的数据分析工具(Kaggle Kernels)。
用户7623498
2020/08/04
4530
【技术】谷歌利用深度学习结合荧光标记,准确预估显微图像
AiTechYun 编辑:chux 在生物学和医学领域,显微技术为研究人员提供人肉眼无法观察到的细胞和分子的细节。透射光显微镜能够将生物样本照亮的同时进行成像,技术相对简单,且耐受度高,然而缺点是产生
AiTechYun
2018/04/17
9800
【技术】谷歌利用深度学习结合荧光标记,准确预估显微图像
AI发现人类肾细胞有一半结构未知,UCSD最新研究登上Nature,算法已开源
加州大学圣地亚哥分校(UCSD)医学院的研究人员和合作者们,通过AI技术分析出了人类肾脏细胞的70种亚系统,发现其中有一半都是人类未知的。
量子位
2021/12/02
3290
AI发现人类肾细胞有一半结构未知,UCSD最新研究登上Nature,算法已开源
Nat. Methods | 生物图像分析的未来:心智与机器之间的对话
今天为大家介绍的是来自Loïc A. Royer的一篇文章。生物图像分析领域正处于一个重大转型阶段之中,这要归功于成像技术和人工智能的进步。多模态基础模型的出现,类似于大型语言模型(如ChatGPT),但能够理解和处理生物图像,这具有巨大的潜力,有望引领生物图像分析领域进入一个革命性的时代。
DrugAI
2023/11/14
2270
Nat. Methods | 生物图像分析的未来:心智与机器之间的对话
AI识别细胞3D结构?人工智能做到了人类不可能做到的事情
位于华盛顿州西雅图的艾伦细胞科学研究所的定量细胞生物学家和副主任Susanne Rafelski 说「我们希望能够在活体成像中标记细胞的多种不同结构」。
新智元
2021/04/14
4210
谷歌开发出的深度学习算法模型,可用于预测DNA链等亚细胞结构的变化 | 技术
该算法通过研究细胞的变化来进一步研究相关疾病的变化,获得了多项人类尚未发现的研究成果。 眼睛是心灵的窗口,但从去年开始,谷歌的研究团队就利用机器学习将眼睛转化为检查人体健康的“窗口”,他们通过算法分析人体的高精度3D视网膜照片发现,图像里面包含的信息可以用来判断出一个人的血压、年龄和吸烟状况。 近日,研究团队又获得了新的进展,利用算法分析其亚细胞结构(如线粒体、染色体、DNA链等)的变化后,发现了通过分析“眼睛”,我们可以判断一个人是否有患心脏病的风险。 不同于以往,这里的研究成果不断,背后的首要功臣是谷歌
镁客网
2018/05/29
7740
推荐阅读
Cell. Syst. | 几何深度学习融合多实例学习,解读3D图像预测药物效果
820
ISS空间转录组的细胞分割算法汇总(stardist、cellpose、QuPath、SCS)
1.6K0
前沿 | 谷歌AI脑神经元绘制法登上Nature子刊:速度提升一个数量级
5910
从手工作业到工业革命!Nature文章:生物图像分析被深度学习彻底改变的五个领域
4230
Google AI提新型神经网络,对神经元进行高精度自动重建
4700
BvEM2024——体电子显微镜生物血管分割
2310
Trends in Cell Biology | 细胞动力学研究中的机遇与挑战
2010
学界 | 谷歌《Cell》论文:光学显微镜+深度学习=荧光显微镜
2K0
业界 | 智能显微镜带领人类观看动物细胞演化大戏
4280
深度学习能使细胞和基因图像更加清晰
1K0
nature | 基于深度学习方法的虚拟组织染色
1.6K0
谷歌新突破:AI自动重构3D大脑神经地图,准确度提高一个数量级
5610
AI+显微镜:更清晰、更快速、更精确
1K1
前沿 | 视网膜眼底图像预测心脏病风险:Nature综述深度学习在生物医疗中的新应用
1.1K0
一种基于深度学习的低成本细胞生物学研究方法
4530
【技术】谷歌利用深度学习结合荧光标记,准确预估显微图像
9800
AI发现人类肾细胞有一半结构未知,UCSD最新研究登上Nature,算法已开源
3290
Nat. Methods | 生物图像分析的未来:心智与机器之间的对话
2270
AI识别细胞3D结构?人工智能做到了人类不可能做到的事情
4210
谷歌开发出的深度学习算法模型,可用于预测DNA链等亚细胞结构的变化 | 技术
7740
相关推荐
Cell. Syst. | 几何深度学习融合多实例学习,解读3D图像预测药物效果
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档