基于 SFTPGo 的 WebDAV 部署

WebDAV 软件我个人不推荐使用 OpenList,因为 OpenList 的操作可见性有点问题,就是创建文件夹之后立马读取这个文件夹是否存在,可能返回不存在,然后调用方可能尝试重复创建,而这时候 OpenList 在创建文件夹的时候发现文件夹已经存在了,他不会报错,而是创建一个加了序号的文件夹,例如“新建文件夹(1)”这样,非常不优雅。 部署和初始化 WebDAV 服务端推荐使用 SFTPGo,可以从 Release 中下载适用于你系统架构的可执行,或者直接使用 docker 部署: services: sftpgo: image: drakkan/sftpgo:latest restart: always ports: - 8080:8080 - 10080:10080 environment: SFTPGO_WEBDAVD__BINDINGS__0__PORT: "10080&…

利用 Duplicati 将数据备份到另一台电脑

最近某算力平台的持久化目录空间配额不太够,导致我的数据无法及时完成备份,于是考虑将数据备份到本地电脑上。 教程分为两个方向,一个是利用 Windows 自带的 SMB,适合大众用户,另一个是利用 WebDAV,适合拥有自己文件服务器的用户。 关于 Duplicati 安装和使用方法请参考教程。 利用 Windows SMB 第一步请参考 Windows 开启 SMB 教程,在本地电脑上开启 SMB,记住开启共享时所设置的共享名称(下文假定共享名称为“Backup”)。 接下来与 Duplicati 使用教程唯一的不同是,在添加备份后端的时候,需要选择“Windows共享(SMB)”: * 服务器:填写开启了 SMB 的电脑的 IP * 共享名称:填写刚刚开启共享时填写的共享名称 * 服务器上路径:(似乎不能留空,会失败)随便填写一个,比如我这里写的“Notebook”,意思是在刚刚共享的目录里创建一个名为 Notebook…

利用 OpenList 挂载本地目录实现多线程上传

最近遇到一个需求,就是某个平台上的服务器链路存在一些丢包现象,导致单线程 TCP 连接速度最快就 5~8M/s,于是需要利用多线程,而上传和下载不同,下载可以利用 HTTP Header 里的 Range 来轻松实现多线程,但上传没有类似语义。 OpenList 支持了分片多线程上传到本地目录(OpenList#577),可以解决单线程吞吐量过低的问题。 安装 首先还是推荐使用 mise 完成 OpenList 安装: mise use -g github:OpenListTeam/OpenList@latest 也可以手动从 Release 下载 openlist-linux-amd64.tar.gz ,解压到例如 ~/.local/bin/openlist ,然后直接使用。 使用 使用以下命令启动…

在无 systemd 的 Linux 环境中管理后台进程,附 beszel 部署教程

在某算力平台里,实例是使用虚拟化容器的方式启动的,而不是虚拟机,也就是说 PID 1 的进程并不是 systemd,因此无法使用 systemd 来管理后台进程,于是考虑使用 process-compose 来管理。 process-compose 使用类似 docker-compose 的配置文件管理后台进程,还支持在 TUI 中查看进程日志,非常方便。本文后面还会使用 beszel 作为实例演示 process-compose 的使用方法。 安装 推荐使用 mise 完成安装,参考 mise:一个更灵活的包管理工具,附常见工具推荐 - process-compose。 也可以根据官方文档,使用以下命令安装: sh -c "$(curl --location https://raw.…

单独授予某可执行绑定 1024 以下端口号的权限、sudo 免密码权限

在使用 process-compose 的时候,遇到一个需求,我需要一个服务监听 53 端口,按照 Linux 默认限制,监听 1024 以下端口号,需要 root 权限,但 process-compose 切换 root 执行不是很方便,于是需要单独授予。 单独授予某可执行 1024 以下端口号监听权限 使用以下命令授予: sudo setcap cap_net_bind_service=+ep "/your/executable" 单独授予某可执行 sudo 免密码权限 这里是指 sudo /your/executable 时无须输入密码,仅执行 /your/executable…

mise:一个更灵活的包管理工具,附常见工具推荐

本文假定读者理解 toml 文件格式语法。 mise 是一个开源的,类似包管理器的工具,他可以从 GitHub Release 下载并安装例如 pixi、mihomo、mosdns 等应用,甚至还能管理例如 Java、GoLang、Node.js 等开发 SDK,是一款非常强大的工具,非常推荐使用。 安装 使用官方脚本一键安装: curl https://mise.run | sh 然后使用以下命令初始化环境: echo 'eval "$(~/.local/bin/mise activate bash)"' >> ~/.bashrc 执行完后关闭终端并重新打开,新建配置文件 ~/.config/mise/config.…

论文阅读笔记:Training-free Detection of Generated Videos via Spatial-Temporal Likelihood

原始地址:https://arxiv.org/abs/2603.15026 代码实现:https://github.com/OmerBenHayun/STALL 此论文实现了 training-free 的 AI 视频生成检测算法。论文使用了大量数学算法,因此写下笔记记录。 论文大致原理是对真实视频计算出一个空间分布,而生成视频不符合这个空间分布,从而实现对生成视频的识别。 真实视频空间分布计算 首先利用 DINOv3 模型对所有真实视频帧执行嵌入,每个视频 $V_i$ 得到一个帧序列: $$ E_i=\{e_1, e_2, ..., e_t\} $$ DINOv3 DINOv3 模型是图像理解模型,因此得到的嵌入对原始帧独立处理的产物,不同帧之间不携带上下文信息。 视频帧表征空间分布计算 这一分支主要目的是判别视频帧有多大程度满足真实视频的分布。 论文对 $N$ 个帧序列…

在阿里 PPU 环境中编译使用 llama.cpp

环境介绍 本文基于以下环境编写: * Ubuntu 24.04 * PPU SDK v2.0.0 * CUDA 兼容 SDK 12.9 编译过程 首先将 llama.cpp 代码仓库克隆到你喜欢的目录,例如我这里是 ~/work/llama.cpp/src。 git clone https://github.com/ggml-org/llama.cpp.git -b v0.4.0 --depth 1 ~/work/llama.cpp/src 保存 patch 文件 ~/work/llama.…