Soft & Share 開源報報 113

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（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

https://github.com/azl397985856/leetcode

工具

使用 C++ QT 開發的跨平台 Git 客戶端程式

https://github.com/francescmm/GitQlient

Delta – Git 和 diff 輸出的語法突出顯示器

https://github.com/dandavison/delta

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

https://github.com/ckz8780/market-toolkit

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

https://github.com/timgrossmann/InstaPy

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

https://github.com/sdras/hero-generator

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

https://github.com/DiffEqML/torchdyn

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。