fontawesome 字体。如果主题中直接引用 cdn 的字体，经常出现 404 等情况。可以将字体下载下来，放在主题目录下，使用本地的会更好。
https://fontawesome.dashgame.com/#google_vignette
获取当前主题的 url。比如存在某个主题 A，在主题 A 下有 ·/css/your-stylesheet.css 文件，就可以通过下边的方法来处理。这样渲染出来就是 https://xxx.com/xx/xx/css/your-stylesheet.css。 如果你的域名是 https://xxx.com 的话。这样就可以防止硬编码了。
<link rel="stylesheet" type="text/css" href="<?php echo get_template_directory_uri(); ?>/css/your-stylesheet.css">在 wordpress 中，我安装了一个主题，在这个主题的 header.php 中，我引用了该文件夹下的一个 css 文件，怎么获取当前的 css 文件的路径呢
brotli 有很好的解压缩效率，但 nginx 默认又不包含 brotli 模块，只能额外搞了
先
# 创建一个 env 目录,基于该目录为项目根目录
mkdir env && cd env
# 下载 Dockerfile
curl -o docker/nginx/Dockerfile https://raw.githubusercontent.com/nginxinc/docker-nginx/master/modules/Dockerfilehttps://github.com/google/ngx_brotli/blob/master/README.md
这里 nginx.conf 位于 ./conf/nginx/nginx.conf 中。
user nginx;
worker_processes auto;
error_log /var/log/nginx/error.log warn;
pid /var/run/nginx.pid;
load_module modules/ngx_http_brotli_filter_module.so;
load_module modules/ngx_http_brotli_static_module.so;
events {
worker_connections 1024;
}
http {
include /etc/nginx/mime.types;
default_type application/octet-stream;
log_format main '$remote_addr - $remote_user [$time_local] "$request" '
'$status $body_bytes_sent "$http_referer" '
'"$http_user_agent" "$http_x_forwarded_for"';
access_log /var/log/nginx/access.log main;
sendfile on;
#tcp_nopush on;
keepalive_timeout 65;
#gzip on;
brotli on;
include /etc/nginx/conf.d/*.conf;
}docker-compose.yaml 文件直接就在项目根目录下。
…
nginx:
build:
context: ./docker/nginx
args:
ENABLED_MODULES: brotli
image: xr-nginx-brotli
container_name: xr-nginx-brotli
restart: always
privileged: false
ports:
- 80:80
- 443:443
volumes:
- ./conf/nginx/nginx.conf:/etc/nginx/nginx.conf# 生成镜像
docker-compose build nginx
# 构建启动容器
docker-compose up其实，可以直接执行 docker-compose up, 没有镜像的时候，会先去生成镜像的
当你发起请求经过 nginx 时，返回的请求头中有 Accept-Encoding: br 表示 brotli 生效了。
https://github.com/nginxinc/docker-nginx/tree/master/modules
https://github.com/google/brotli/
在 git 版本工具中，同一个公钥只允许配置一个。假如你有多个电脑，多个账号，多个项目需要进行代码上传下载。这个时候就处理不好。
有这样一个场景：
在 A 电脑，有一个 a 项目，上传到 a 账号的 github 上。
继续，在 A 电脑，有一个 b 项目，上传到 b 账号的 github 上。
如果想使用 ssh-key 的授权方式来上传代码。同一个 ssh-key 只能配置在一个账号里。也就是对于同一个 git 平台，同一个 ssh-key 只能有一份。于是，你就只能再去创建一个新的 ssh-key，然后配置另外一个账号里。
这样的确是可以配置进去了。但是，当你上传代码的时候，会提示授权不过。因为，git 没指定 ssk-key 的时候，会使用默认的公私钥，就是 id_rsa。这个时候，就需要在特定项目，指定也定的 ssh-key 就实现了。
ssh-keygen -t rsa -C xxx@xx.com -f xxx-github方式一（到当前目录下）：
git config core.sshCommand "ssh -i ~/.ssh/xxx-github"方式二
# 添加
ssh-add ~/.ssh/xxx-github
# 删除
ssh-add -d ~/.ssh/xxx-github
# 查看
ssh-add -l推荐使用方式一，这样每个项目都会对应好自己的 ssh-key，不会影响其他的项目。
在 docker 容器中运行 python 项目时，报 RuntimeError: Found no NVIDIA driver on your system. Please check that you have an NVIDIA GPU and installed a driver from http://www.nvidia.com/Download/index.aspx 错误，这个时候需要 docker 开启 nvidia engin 的支持。至少电脑是装了 nvidia 的显卡的。
docker 中启用 nvidia：
https://blog.vini123.com/1206
docker: Error response from daemon: unknown or invalid runtime name: nvidia 问题处理
在 docker 中，docker-compose.yaml 配置了 nvida 参数时，执行 docker-compose up -d 时报docker: Error response from daemon: unknown or invalid runtime name: nvidia 错误。
如果是非 win 系统，修改 /etc/docker/daemon.json,并添加以下配置。
{
"runtimes": {
"nvidia": {
"path": "nvidia-container-runtime",
"runtimeArgs": []
}
},
"default-runtime": "nvidia"
}然后重启 docker。
如果是 win 系统，需要手动打开 docker 桌面应用，点击右上角的设置，进入 docker engine 项进行配置。配置内容也是和上边的一样。如下截图。
找到 DNS Resource Records 下的 ip 地址。依次加入到 hosts 中。
# mac 的
sudo vim /etc/hosts
140.82.113.4 github.com
151.101.1.194 github.global.ssl.fastly.net这样再提交代码，估计就可以了。至少我试过是可以了的。
不行，刷新 DNS 缓存试试。
sudo killall -HUP mDNSResponder对于 github 这类服务，一个 ssh-key 只允许添加一次。也就是你在 a 账号添加了 ssh-key，再想用这个 ssh-key 添加到 b 账号是不行的。这个时候，就需要在该 ssh-key 的电脑上生成新的 ssh-key 来满足多账号的需求。
那么问题也来了，这就需要每次都要指定 git 项目对应的 ssh-key。方法自然是有的。方法有好几个，只用最方便的吧。
假如按照上边的操作，生成了 ssh-key，也将其公钥添加到配置中了。那么只需要指定当前所使用的 ssh-key 就可以了。
# 添加
ssh-add ~/.ssh/ssh-key-私钥
# 查看
ssh-add -l
# 删除
ssh-add -d ~/.ssh/ssh-key-私钥这样就可以使用 git 来操作代码了。 clone push pull 都是可以的。
不过，这个电脑重启后，就失效了。还是会使用默认的 ssh-key
执行 ssh-add xxx 的时候也许不是顺利的。可能会有下边的报错。
Could not open a connection to your authentication agent.。
解决：
先看看 ssh 代理是否在运行。 ssh-agent -s。如果没运行，启动它。如果运行了，看 SSH_AUTH_SOCK 环境变量是否存在。echo $SSH_AUTH_SOCK
如果出现上边那个错误，走到这里了，应该是不存在的，也就是输出为空格。那么重新启动 ssh 代理。再回过去检查。
eval "$(ssh-agent -s)"通过文字输入，输出视频+语音虚拟形象输出。可以尝试尝试。
样例
https://speech.microsoft.com/portal/talkingavatar
训练声音
https://speech.microsoft.com/portal/customvoice/overview
精简版训练
https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/custom-neural-voice-lite
申请授权
https://speech.microsoft.com/portal/customvoice/accessrequirement
通过 git 的方式，很难下载到 huggingface。于是就网上找方法，还真找到了方法。
https://zhuanlan.zhihu.com/p/663712983
上边链接总结了多种方法。这里，只选他说的最好用的方法，使用 huggingface-cli。不做选择其他选择。这里是尝试快速下载过模型。
以下载 https://huggingface.co/mlc-ai/mlc-chat-Llama-2-7b-chat-hf-q4f16_1/tree/main 模型为例。
打开终端
# 安装 huggingface-cli
pip install -U huggingface_hub
# 使用
# --resume-download 要下载的模型名
# --local-dir 下载保存的位置
huggingface-cli download --resume-download mlc-ai/mlc-chat-Llama-2-7b-chat-hf-q4f16_1 --local-dir mlc好了，仅仅这样就好了。下载速度还是很快的，也有进度条。
win 的终端终究没 mac 的 iterm2 好用。不过 win 的进步速度比 mac 快多了。感觉 mac 几乎在吃老本。在多显示器的快捷键操作上，win 的体验却要比 mac 好。仅有一点 win 比 mac 差，就是多显示器中，某个显示器内的窗口切换。 win 会将所有的显示器都切换了，mac 会针对选择的显示器进行切换。
hf_transfer 依附并兼容 huggingface-cli，是 hugging face 官方专门为提高下载速度基于 Rust 开发的一个模块
安装： pip install -U hf-transfer
开启（linux/mac）： export HF_HUB_ENABLE_HF_TRANSFER = 1
开启（win）: $env:HF_HUB_ENABLE_HF_TRANSFER = 1
使用： huggingface-cli download --resume-download mlc-ai/mlc-chat-Llama-2-7b-chat-hf-q4f16_1 --local-dir mlc