Soft & Share 開源報報 047 - 以人類的思維為導向的開源筆記軟體

Windows Kernel Explorer 簡稱 ( WKE ) 是一個免費但強大的 Windows 核心研究工具。它支援從 Windows XP 到 Windows 10(32位元和64位元)。與 WIN64AST 和 PCHunter 相比，WKE 可以在最新的 Windows 10上執行而不需要更新二進位制檔案。

主要功能

行程管理 ( Module, Thread, Handle, Memory, Window, Windows Hook, 等 )
檔案管理 ( NTFS partition 分析、低階磁碟訪問等 )
Registry 管理 and HIVE 檔案操作
核心模式 callback，過濾器，定時器，NDIS區塊和 WPF callout 功能管理
核心模式 Hook 掃描(MSR，EAT，IAT，CODE PATCH，SSDT，SSSDT，IDT，IRP，OBJECT)
使用者模式 Hook 掃描(核心 callback 表格，EAT，IAT，CODE PATCH)
記憶體編輯器和符號分析器(它看起來像是簡化版的 WINDBG)
隱藏驅動程式，隱藏 / 保護行程，隱藏 / 保護 / 重定向檔案或目錄，保護登錄檔和偽造登錄檔資料
驅動程式、行程和行程模組的路徑修改
啟用 / 禁用一些討厭的 Windows 元件

simplewall – 配置 Windows 網路封包過濾平台(WFP)的簡單工具，該平台可以配置電腦上的網路活動

https://github.com/henrypp/simplewall

mindforger : 具有視覺化關聯的筆記本和Markdown IDE

https://github.com/dvorka/mindforger

mindforger 使用 C++ / QT 開發是跨平台的，支援 Mac/Windows/Linux

你是否被資訊淹沒，卻渴望知識？你把你的私人評論放在哪裡，比如想法、個人計劃、禮物提示、操作方法、夢想、商業願景、金融戰略、auto 教練筆記？大量的文件、草圖和評論散佈在檔案系統、雲端、網路和便利貼上？你害怕你的知識隱私嗎？一旦你建立了它們，你能找到它們嗎？當你閱讀或寫作時，你知道它們是如何相互關聯的嗎？

相關的開源專案

Web 應用程式開發

PurgeCSS – 移除沒有使用的 CSS

https://github.com/FullHuman/purgecss

當你建立一個網站的時候，很可能你正在使用一個 CSS 框架，比如 Bootstrap，Materializecss，Foundation 等等。 . 但是你只會使用一小部分框架，還會包括很多未使用的 CSS 樣式。

這就是 PurgeCSS 發揮作用的地方。 Purgecss 分析你的內容和 CSS 檔案。然後，它將檔案中使用的選擇器與內容檔案中使用的選擇器( selectors )匹配。它從你的 css 中移除了未使用的選擇器，導致了更小的 CSS 檔案。

不同的 Node.js GraphQL 伺服器效能比較

https://github.com/benawad/node-graphql-benchmarks

測試了不同的 GraphQL 伺服器效能

Daptin – GraphQL/JSON-API Headless 內容管理系統 ( CMS )

https://github.com/daptin/daptin

這個內容管理系統是使用 Go 程式語言開發，內容管理系統已經幫你定義好資料庫的 schema 和 API ，並給你一個後端管理的介面

資料科學

PyTorch-toolbelt – 用於快速研發原型和 Kaggle farming 的 PyTorch 擴充套件

https://github.com/BloodAxe/pytorch-toolbelt

採用彈性編解碼器架構的簡易建模方法
模組: CoordConv，SCSE，Hypercolumn，Depthwise 可分離卷積等
GPU 友好的測試時間增加 TTA 的分割和分類
對大型的(5000×5000)影像 GPU 友好推斷
每天一般例行事項(修復 / 恢復隨機種子、檔案系統工具、度量)
損失: BinaryFocalLoss，Focal，ReducedFocal，Lovasz，Jaccard and Dice Loss，Wing Loss 等
額外的 Catalyst 程式庫(批量預測的視覺化，附加指標)

AdvBox – 百度開源的一系列人工智慧模型安全工具集

https://github.com/advboxes/AdvBox

Advbox 是一個用來生成對抗的範例工具箱，用來欺騙 PaddlePaddle、 PyTorch、 Caffe2、 MxNet、 Keras、 TensorFlow 和 Advbox 中的神經網路，從而測試機器學習模型的強韌性。 Advbox 提供了一個命令列工具，可以用 Zero-Coding 生成對立的範例

ONNX Runtime – 跨平台，針對機器學習模型的高效能評分引擎