Soft & Share 開源報報 060

Contents

這是 Soft & Share 為訂閱會員所推出的服務，小編週一到週五會每天整理一篇開源專案的摘要說明整理（中午 12 點前會發佈在 Soft & Share 網站 ) ，讓你可以利用中午休息時間快速掌握目前開源專案的焦點。( 之前出版的開源報報 )

學習資源

前端開發挑戰

https://github.com/felipefialho/frontend-challenges

列出一些有趣的開源任務挑戰來測試你的知識

LibreLingo – 建立一個社群驅動的語言學習平台實驗

https://github.com/kantord/LibreLingo

這個專案的目標是建立一個社群驅動的語言學習平台，讓它的使用者和貢獻者能夠影響它的未來，並使它適應特殊的需求。

這個平台的前端是使用 Svelte ，後台管理使用 Django，資料庫使用 CouchDB ，測試使用 Jest 和 Cypress

工具

GitHub-Dark – 將 Github 切換為 Dark Mode

https://github.com/StylishThemes/GitHub-Dark

這是一個瀏覽器外掛，可以支援 Chrome、Firefox、Safari

kyaml2go – 將 Kubernetes 資源規範檔案 yamls轉換成 Go 程式碼

https://github.com/PrasadG193/kyaml2go

這個工具有 Web 介面

Web 應用程式開發

CoreUI 免費的圖示 ( Icons ) – 高階設計的免費圖示集

https://github.com/coreui/coreui-icons

Coreui 圖示集是一個開源圖示集，包含1500多個圖示，有多種格式，如 SVG、 PNG 和 Webfonts。 Coreui 圖示是為日常行為和物品精心製作的符號。你可以在你的網頁或行動應用程式的數位產品中使用它們。

Baretest – 一個非常快速和簡單的 JavaScript 測試執行器

https://github.com/volument/baretest

是一個非常簡單的 JavaScript 測試執行器。它佔用的空間很小，效能接近即時，還有一個無需大腦的 API。它讓測試變得可以忍受。

Firedrop-Web – 使用 WebRTC 做檔案傳輸

https://github.com/mat-sz/filedrop-web

這個是一個簡單的 WebRTC 檔案傳輸 Web 應用程式，前端使用 React/TypeScript 開發

資料科學

Grafana – 用於監控和可觀測性的開放原始碼平台

https://github.com/grafana/grafana

用於 Graphite，InfluxDB & Prometheus & More 的漂亮的監控和度量分析 & 儀表盤工具

Grafana 允許你查詢、視覺化、提醒和理解你的指標，無論它們儲存在哪裡。建立、探索和與你的團隊共享儀表板，並培養一種資料驅動的文化

視覺化: 具有多種選項的快速靈活的客戶端圖形。為支援許多不同的方式視覺化度量和日誌的面板外掛
動態儀表板: 建立動態和可重複使用的儀表板與模板變數，顯示為在頂部的儀表板的下拉顯示
探索度量: 通過特別查詢和動態深入來探索您的資料。拆分檢視，並比較不同的時間範圍，並排查詢和資料來源
探索日誌: 使用保留的標籤過濾器體驗從度量切換到日誌的魔力。快速搜尋你所有的日誌或者直播它們
警報: 視覺化地為最重要的指標定義警報規則。將持續評估並向 Slack、 PagerDuty、 VictorOps、 OpsGenie 等系統傳送通知
混合資料來源: 在同一個圖表中混合不同的資料來源！你可以根據每個查詢指定一個資料來源。這甚至適用於自定義資料來源

Meshrnn – 這是以在 ICCV 2019年出版的 Mesh R-CNN 學術論文實現程式碼

https://github.com/facebookresearch/meshrcnn

基於 Detectron2和 PyTorch3D 的 Mesh R-CNN 實現

論文 Mesh R-CNN

LASER – 語言不可知句子表示法

https://github.com/facebookresearch/LASER

這是一個 facebook 支援的開源自然語言程式庫，支援 93 種語言

LASER 是一個計算和使用多國語言句子嵌入的程式庫。

LASER 是透過將所有語言嵌入到一個共享空間(而不是每個語言都有一個單獨的模型)來實現

LASER 為從一種語言(比如英語)到數十種其他語言(包括訓練資料極其有限的語言)的 NLP 模型零點轉換( zero-shot transfer )打開了大門。 LASER 是第一個使用單一模型來處理這種語言的程式庫，包括較少資源的語言，如 Kabyle 和維吾爾語，以及方言，如吳漢語。這項工作有朝一日可能會幫助 Facebook 和其他公司推出一個特定的 NLP 功能，比如用一種語言將電影評論分為正面或負面，然後立即將其部署到100多種語言中。( 更詳細的介紹 )