github copilot学生认证教程,免费使用两年Copilot Pro!!(避免踩坑版)

github copilot学生认证教程,免费使用两年Copilot Pro!!(避免踩坑版)

先放结果,本人是先后申请了三次:

1、第一次直接用的学生证,打开对着电脑摄像头直接拍了一张,失败了,如下,理由是没有开启双重认证!!,并且学生证内页没有学校名称!!

2、第二次开了双重认证之后我又重新提交了一次,这次使用的是学信网上的中英文对照截图,又失败了,理由如下:

简单来说就是,(1)开了代理;(2)定位不在学校附近,也就是与主页信息处的Location不相符(这个后面会讲!);(3)个人信息不完整

3、在前面所有错误修改完善之后,我又查看了大量的相关帖子和教程,最终打造出一个完美的申请流程,终于出现了这个,而且是秒通过!!!

---------------------------------------------------------------------------------------------------------------------------------

本文所有步骤均为实操,安全有保障,帖子随意看,对您有用的话还希望给个三连,祝好运!!

下面开始手把手教程,保证详细,仅此一篇足以!!!

一、申请前提

1、GitHub账号一个,https://github.com/

2、必须有学校邮箱,即 [email protected]  , (.edu.cn结尾的);没有的一般可以在学校网站申请或着问下导师,需要能够获取验证码,绑定到GitHub上

3、进不去GitHub以及GitHub Education的需要VPN,提前注册一个代理

二、信息完善

1、个人信息

        打开GitHub——点击头像——Settings——Public profile,依次填写一下下面所有选项:(全部都要用英文)

2、邮箱认证

        打开GitHub——点击头像——Settings——Emails,添加学校邮箱(.edu.cn),并进行验证,出现 Verified 即可:

3、双因素身份认证

         打开GitHub——点击头像——Settings——Password and authentication,添加双重身份认证,双重身份验证是在登录时要求不仅是密码这一项安全措施,还需要额外输入一个验证码,增添了一层额外的安全保障。

        具体方法:推荐优先使用方法①

        ① 选取 Authenticator 认证器应用认证方式:直接在 APP Store 里搜索下载 Authenticator 应用,之后打开扫描 GitHub 上的 QR码 进行账户绑定即可:

        ② 上方操作不成的可以参考这个博主的其他方法:配置 GitHub 双重身份验证(2FA)教程_github enable two-factor authentication (2fa)-ZEEKLOG博客

如下图表示验证成功:(出现 Configured 即可!)

三、准备工作

1、更换定位(在本校申请的同学可以忽略这条)

        打开浏览器,推荐使用Google或Edge,按F12/Fn+F12打开开发者工具

        ①Google用户:点击设置——Locations——Add locations,新增一个地址,填入你学校对应的经纬度以及地区和时间,之后保存退出即可

        ②Edge用户:点击传感器,没有的点旁边 +号找一下;然后点击管理新增一个你学校的定位

2、证明材料准备

        ①这里第一种也是最简单的方式就是找一张白纸手写一下你的个人信息:

模板如下:

        ②此方式行不通的可以使用学生卡或者学生证(但是要确保所含内容务必包含:姓名、学校名称、学号、毕业时间这几项),然后使用夸克或者其他翻译软件翻译一下,拼接到一起,做一个中英文对照的图片。

PS:由于大多情况下不支持本地上传证件,所以可以把这个图片在电脑上打开,用手机进行认证拍照即可!第一种手写的如果电脑摄像头可以拍摄清楚的话直接用电脑拍即可!

四、GitHub Education认证

        1、点击进入GitHub Education(部分需要开启代理),登陆后点击Join GitHub Education,会自动跳转认证页面

        2、这里点击开启认证即可(到这里可以正常访问的话可以先把代理关了!!)

        3、选择Student——直接点击Select this school(没有的话就在搜索框里搜索学校英文名字)——然后选择前面验证好的学校邮箱——之后点击Share Location(这里如果浏览器跳出来是否允许访问位置的话一定要点允许!!!)

        验证完地址后就点Continue进行下一步:

        这里选择第一个Dated school ID,然后把上面手写的证明或者学生卡/学生证拍一下即可:

        (可选!)如果跳出来这个问你为什么不在学校的时候,就选择第一个理由,说学校还没有开学;然后也手写一份证明拍照上去,模板如下:

         即:现在是暑假/寒假,学校还没有开学,目前我在哪里哪里做什么等等(解释一下即可,注意别和前面的信息矛盾了就行)

        之后提交申请就行,通过不通过审核的都是很快的,希望大家都能被 Approved !!!

---------------------------------------------------------------------------------------------------------------------------------

        之后就是等待的时间,72小时内优惠包到账后就可以使用了:

        到账之后打开Visual Studio/Pycharm等IDE,在插件内搜索 GitHub Copilot 进行安装,之后进行登录绑定的GitHub账号即可使用!

Read more

ToDesk 全新 ToClaw,正在把电脑交给AI去操作

ToDesk 全新 ToClaw,正在把电脑交给AI去操作

这两年,AI 工具层出不穷,但大多数产品还停留在“能回答、会生成”的阶段:帮你写一段话、搜一份资料、整理一个思路,真正到了执行层,还是得你自己坐回电脑前,一个软件一个软件地点、一项任务一项任务地做。 这也是很多人对 AI 的真实感受——它会说,但不一定真能干活。而 ToDesk 新上线的 ToClaw,想解决的正是这个问题。 一、ToClaw 是什么? ToClaw 是一款基于 OpenClaw 深度定制、并与远程控制运行时深度结合的 AI 助手。它最大的不同,不只是“懂你说什么”,而是能直接在你的电脑上执行操作。 你只需要一句话,它就可以在电脑端完成对应动作:打开软件、点击按钮、填写表单、拖拽文件、整理资料、生成表格、汇总信息……很多原本需要人守在电脑前操作的工作,现在都可以交给 ToClaw

windows stable-diffusion-webui 一键运行,无需配置教程(仅供学习)

windows stable-diffusion-webui 一键运行,无需配置教程(仅供学习)

一.一步完成启动 直接上完整文件 包含模型,python环境 下载结束直接运行 (夸克网盘)(需要有N卡支持) 链接:https://pan.quark.cn/s/c126b8ba78b8?pwd=6fpw 提取码:6fpw 解压后 进入 Stable Diffusion WebUI 目录 解压目录所在位置 cd D:\notebook\AIGC\picture_ai\SDwebui\stable-diffusion-webui 激活python虚拟环境 .venv\Scripts\activate.bat 启动 WebUI 并使用暗色主题 webui.bat --theme dark 嫌启动麻烦的可以下一个 bat 处理命令 新建

如何为Llama系列模型定制专属TensorRT优化方案?

如何为Llama系列模型定制专属TensorRT优化方案? 在大语言模型日益普及的今天,一个70亿参数的Llama模型如果用原生PyTorch部署,响应用户提问可能需要数秒甚至更久——这显然无法满足生产环境对实时性的基本要求。而同样的模型,经过TensorRT深度优化后,在A100 GPU上实现每秒生成数十个token的吞吐能力,延迟降至毫秒级。这种性能跃迁背后,并非简单启用半精度就能达成,而是涉及从图结构重构到算子级定制的一整套系统性工程。 要真正释放Llama这类复杂Transformer架构的推理潜力,必须深入理解TensorRT如何将“通用模型”转化为“专用引擎”。这个过程远不止是格式转换,更像是为特定硬件量身打造一台高性能发动机:它会拆解原有计算流程,重新组合关键部件,并根据负载特性调校每一处细节。 NVIDIA TensorRT本质上是一个推理编译器,它的核心使命是把训练框架中“解释执行”的模型转变为GPU上的“原生可执行程序”。与ONNX Runtime等通用推理引擎不同,TensorRT不追求跨平台兼容性,而是专注于榨干NVIDIA GPU的每一滴算力。尤其是在V

Stable Diffusion WebUI本地部署全步骤(含CUDA,cuDNN,Pytorch GPU版安装过程)(Win 11 + RTX5060)

部署SD WebUI前,先安装CUDA+cuDNN+Pytorch 电脑配置: 系统:windows 11 显卡:NVIDIA GeForce RTX 5060 Laptop GPU 内存:24G 下载版本: CUDA:13.0 cuDNN:9.13.1 Pytorch:12.9 第一步:安装CUDA 步骤一:查看CUDA version win+R输入cmd,在命令提示符窗口中输入nvidia-smi,查看CUDA Version 我的CUDA version 为13.0,所以我下载的版本为13.0的(也可以向下安装低版本的,我建议下载最新的版本)。 CUDA下载网址:https://developer.