Soft & Share 開源報報 113

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 (早上 8 點前會發佈在 Soft & Share 網站 ) ,讓你可以利用上班前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

Leetcode 解題紀錄

工具

使用 C++ QT 開發的跨平台 Git 客戶端程式

Delta – Git 和 diff 輸出的語法突出顯示器

Delta 提供語言語法高亮顯示、行內插入 / 刪除檢測,以及在命令列上為 git 重新構造 diff 輸出。 與 bat 一起使用的所有語法高亮顏色主題都可以與 delta 一起使用。 下面是 git show 配置為使用 delta 的樣子:

預設情況下,delta 對 git 輸出進行了輕微的重構,使得大塊標記更易於閱讀:


終極股票市場工具包

這位開發者將他多年來收集的股票的輔助工具,資源整理在這個 github 專案


Instagram 機器人 – 自動 Instagram 互動工具

使用 Selenium 模組在 Python 中實現的工具,可以將你的社交媒體互動( like、 Comments 和 Followers )自動化 。

這個開源專案還有一個 udemy 免費課程教學 https://www.udemy.com/course/instapy-guide/?couponCode=INSTAPY_OFFICIAL

Web 應用程式開發

英雄產生器 – 為你的網站或應用程式建立一個好的影像

這個 Web 應用程式使用 VueJS 開發,你可以上傳一張代表你的網站形象的圖片,然後透過這個應用程式來調整這張圖片中的按鈕,影像漸層特效,然後產生 HTML/CSS 程式碼,就可以直接套用到你的網站

資料科學

一個基於 PyTorch 的神經微分方程程式庫

對混合微分方程,深度學習和動力系統的興趣被最近的作品[1,2]重新點燃。 現代的深度學習框架,如 PyTorch,加上運算資源的逐步改進,使得可以追溯到80年代[3]的神經網路的連續版本最終復活,並為經典的機器學習問題提供了新的視角(例如密度估計[4])

自從2018年引入帶有開創性工作[1]的 torchdiffeq 程式庫以來,PyTorch 研究團體在神經微分方程的統一框架上幾乎沒有付出什麼努力。 雖然 Julia 社群和 SciML [5]正在取得重大進展,但我們相信 torchdyn PyTorch原生版以深度學習為重點,將成為研究生態系統的寶貴資產。

torchdyn 方法的核心是連續神經網路,其中寬度,深度(或兩者)都被帶到它們的無限極限。 在優化方面,我們考慮了連續的“資料流”狀態和梯度流方法,其中資料集表示一個時間演化的訊號,由神經網路處理,以適應其參數。

通過提供一個集中的,易於訪問的模型模板集合,教程和應用筆記本,我們希望加快在這一領域的研究,並最終有助於把神經微分方程變成一個有效的工具,控制,系統辨識和常見的機器學習任務。

torchdyn 由核心 DiffEqML 團隊維護,並得到了深度學習社群的慷慨支援。

行動應用程式設計

一個 iOS 終端機,支援多個視窗

這個專案的目標是在 iOS 上提供一個簡單的類似 unix 終端機。 它使用 ios_system 進行命令解譯,最終將包括來自 ios_system 生態系統的所有命令(nslookup、 whois、 python3、 lua、 pdflatex、 lualatex…)

該專案依靠 iOS 13 建立和管理多個視窗。 每個視窗都有自己的上下文、命令歷史和工作目錄。

A-shell 現在可以在 AppStore 上下載使用

程式設計語言/程式庫

一個小而快速的 Rust 非同步 runtime

這個 runtime 使用 async combinators 擴充了標準程式庫,並且只有1500行程式碼。

閱讀文件或檢視範例是開始學習 async Rust 的一個很好的方法。

Async I/O 在 linux / android 上使用 epoll 實現,在 macos / ios / bsd 上使用 kqueue,在 Windows 上使用 wepoll

功能

  • 非同步 TCP,UDP,Unix 網域 sockets 和客製化的檔案描述器
  • !Send futures. 的執行緒-本地端執行器
  • 適應不均勻工作負荷的 Work-stealing 執行器
  • 檔案、行程(process)和標準 I/O的 Blocking 執行器
  • 支援取消的任務
  • 使用者空間(Userspace)計時器

遊戲

使用臉來玩貪吃蛇

你可以到這個網站試看看 https://paruby.github.io/snake-face/

遊戲的原理

我使用 tensorflow.js 模型 MediaPipe Facemesh  透過裝置的攝像頭即時估計頭部姿勢。 當遊戲開始時,頭指向的方向被估計為一個參考點。 在遊戲過程中的後續評估將與此進行比較,以決定引導蛇的方向。

透過計算連線嘴脣中心到左右臉頰的向量來估計頭部方向。 這兩個向量位於一個接近人臉表面的平面上。 這些向量的叉積與這個平面相垂直,因此近似地指向頭的方向。

有興趣可以看開發者的 blog http://paulrubenstein.co.uk/blog/

一個使用 GitHub 控制的多人遊戲

這個遊戲看起來有趣,但是小編看了一下還是看不太懂它的原理,你去 github search gitland-client 這個關鍵字,已經有很多 player 加入,但是這個專案怎麼去控制這些名為 gitland-client 中的 act 檔案?

如何玩?

我們的目標是通過移動來繪製整個地圖( 使用你團隊的顏色) ,並且鼓勵使用機器人。

加入

  • 開啟一個 issue 以團隊名稱作為標題(cr / cg / cb)
  • 建立一個名為“ gitland-client”的公共儲存庫
  • 在儲存庫中建立一個名為“ act”的檔案

開始玩

  • 在“ act”檔案中寫一個命令(up / down / left / right)
  • 等待下一個轉彎
  • 請讀取“log”檔案和“players/YOURNAME”中的檔案以獲取 intel

離開遊戲

  • 開啟一個標題為“離開”的 issue

嵌入式系統

異構記憶體( Heterogeneous-memory )儲存引擎(HSE)

HSE 是為基於 NAND 快閃記憶體或永續儲存器為 SSD 設計的可嵌入鍵值( Key-Value)儲存器。 通過協調 DRAM 和多個類別的 SSD 或其他固態儲存的資料佈局,HSE 優化了效能和永續性。

HSE 是支援 NoSQL、軟體定義儲存(SDS)、高效能運算(HPC)、大資料、物聯網(IoT)和人工智慧(AI)解決方案的理想平台。

喜歡今天小編整理的開源報報嗎?歡迎給小編意見與回饋

Comments are closed.

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: