Soft & Share 開源報報 143

學習資源

Python 資料科學手冊的 Jupyter Notebooks

• https://github.com/jakevdp/PythonDataScienceHandbook

這本書有免費線上版本

如何使用這本書

• 線上閱讀這本書的全部內容，請點選 https://jakevdp.github.io/pythondatasciencehandbook/
• 使用該儲存庫的 notebooks 目錄中的 Jupyter 筆記本執行程式碼。
• 使用 Google Colab 啟動這些筆記本的可執行版本
• 使用 binder 啟動一個 live 筆記本伺服器

本書介紹了使用 Python 處理資料所必需的核心程式庫: 特別是 IPython、 NumPy、 Pandas、 Matplotlib、 Scikit-Learn 和相關的套件。 假設你熟悉 Python 作為一種語言; 如果你需要對該語言本身進行快速介紹，請參閱免費的同伴專案—— Python 的旋風之旅: 這是一個針對研究人員和科學家的 Python 語言快節奏介紹。

---

Linux Kernel 互動地圖

• https://github.com/makelinux/linux_kernel_map

這是一個以網頁呈現的 Linux Kernel 架構互動地圖，裡面有分成好幾個模組，例如 I/O，記憶體， 點進去後可以看到相關文件

https://makelinux.github.io/kernel/map/

比較奇怪的是我連進去文件的地方，我電腦上的趨勢科技防毒軟體都會警告我這個網站可能會對我的電腦有安全威脅

工具

將平板電腦作為電腦的觸控輸入裝置

• https://github.com/H-M-H/Weylus

圖中在使用的軟體也是開源軟體 Xournal++

功能

• 用平板電腦控制滑鼠
• 將螢幕鏡象到你的平板電腦上

以上功能在所有的作業系統上都可以使用，但是 Weylus 在 Linux 上表現最好:

• 支援觸控筆 / 筆(支援壓力和傾斜)
• 多點觸控: 試用支援多點觸控的軟體，比如 Krita，然後自己看看
• 捕獲特定的視窗並僅對其進行繪製
• 更快的螢幕鏡象

---

一個支援 PDF 註釋的手寫筆記軟體

• https://github.com/xournalpp/xournalpp

用 C++ 和 GTK3 編寫，支援 Linux (例如 Ubuntu，Debian，Arch，SUSE) ，macOS 和 Windows 10。 支援來自 Wacom tablet 等裝置的筆輸入

---

給沒有設計天賦的開發者的輔助工具集錦

• https://nodesign.dev/

這個網站收集了很多跟美術相關的輔助工具，如果你為了畫一個 ICON 或是調整 CSS 要到處求設計師幫忙，也許可以先用這些輔助工具試看看

Web 應用程式開發

20 個以上不使用框架，程式庫，只使用 HTML5/CSS/Javascript 所開發的網頁應用程式

• https://github.com/bradtraversy/vanillawebprojects

這是這門線上課程 使用 Vanilla JavaScript 的 20 個 Web 專案 的 source code

---

在使用密碼純文字保護中使用無法看見的字元隱藏 secrets

• https://github.com/KuroLabs/stegcloak

StegCloak 是一個純粹的 JavaScript 隱寫(steganography)模組，以函數程式設計風格設計，通過壓縮和加密隱藏在文字中的secret，然後用特殊的 unicode 隱形字元隱藏它。 它可以用於安全的水印字串，網頁上的不可見的 script，社交媒體上的文字或任何其他隱蔽的通訊。 完全隱形！

對於原理有興趣可以參考這篇 blog https://blog.bitsrc.io/how-to-hide-secrets-in-strings-modern-text-hiding-in-javascript-613a9faa5787

它是如何運作的

資料科學

從多個框架執行深度學習模型的統一介面

• https://github.com/uber/neuropod

Neuropod 是一個程式庫，它提供了一個統一的介面，可以在 C++ 和 Python 的多個框架中執行深度學習模型。 Neuropod 使研究人員可以輕鬆地在自己選擇的框架內建立模型，同時也簡化了這些模型的生產過程。

它目前支援 TensorFlow、 PyTorch、 TorchScript 和 Keras。

為何使用 Neuropod？

使用一個 API 從任何支援的框架執行模型

執行 TensorFlow 模型看起來就像執行 PyTorch 模型。

x = np.array([1, 2, 3, 4])
y = np.array([5, 6, 7, 8])

for model_path in [TF_ADDITION_MODEL_PATH, PYTORCH_ADDITION_MODEL_PATH]:
    # Load the model
    neuropod = load_neuropod(model_path)

    # Run inference
    results = neuropod.infer({"x": x, "y": y})

    # array([6, 8, 10, 12])
    print results["out"]

這樣做的好處

• 所有的推理程式碼都是框架不可知的
• 如果有必要，您可以輕鬆地在深度學習框架之間進行切換，而無需更改執行時程式碼
• 避免使用 C++ libtorch API 和 C/C++ TF API 的學習曲線

定義一個問題 API

這讓你更多地關注你正在解決的問題，而不是你正在使用的框架來解決它。

例如，如果你為 2D 物件檢測定義了一個問題 API，任何實現它的模型都可以重用該問題的所有現有推理程式碼和基礎結構。

這可以讓你

• 為一個問題建立一個單一的度量管道
• 輕鬆地比較解決同一問題的模型(即使它們處於不同的框架中)
• 構建可以執行解決特定問題的任何模型的優化推理程式碼
• 在執行時不更改程式碼的情況下替換那些解決相同問題的模型(即使這些模型來自不同的框架)
• 進行快速實驗

建立通用的工具和管道

如果你有幾個模型接受類似的輸入集，那麼您可以構建和優化一個與框架無關的輸入生成管道，並在模型之間共享它。

其它好處

• 完全自包含的模型(包括定製的操作)
• 高效的零拷貝操作
• 在平台上測試，包括
  • Mac，Linux，Linux(GPU)
  • 每個支援的框有有四到五個版本
  • 5 個版本的 Python
• 具有行程外執行的模型隔離
  • 在同一個應用程式中使用多個不同版本的框架
    • 例如: 每晚使用 Torch 的實驗模型和使用 Torch 1.1.0的模型
• 使用一行程式碼從執行行程內( in-process )切換到執行行程外( outof-process )

雲端和網路管理

Linux 效能監控系統

• https://github.com/tianshiyeben/wgcloud

WGCLOUD基於java語言開發，是高效能高併發的分散式監控平台，核心模組包括：伺服器叢集監控，ES叢集監控，CPU監控，記憶體監控，資料監控(mysql，oracle，pg等)，服務心跳檢測，應用程式行程管理，磁碟IO監控，系統負載監控，監控告警資訊推送。

---

為滲透測試和錯誤賞金獵人所設計的一個動態的基礎設施工具套件

• https://github.com/pry0cc/axiom

針對錯誤賞金獵人 ( bug bounty ) 和滲透測試用來管理一個小型的動態基礎設施設定的一組工具

---

使用 Go 開發的蜜罐(Honeypot)平台

• https://github.com/hacklcx/HFish

蜜罐是一個用來引誘駭客攻擊的一個工具

行動應用程式設計

SwiftUI 中缺少的最強大 Grid 容器

• https://github.com/exyte/Grid

這個 Grid 容器受到了 CSS Grid 所啟發

在 SwiftUI 中， Grid 是一個強大而簡單的 Views 佈局方式

嵌入式系統

Azure RTOS ThreadX 是一個高階即時作業系統(RTOS) ，專門為深度嵌入式應用程式設計

這種先進的即時作業系統(RTOS)是專門為深度嵌入式應用而設計的。 它提供的多種好處包括高階排程工具、訊息傳遞、中斷管理和訊息服務。 Azure RTOS ThreadX 具有許多高階特性，包括 picokernel 架構、preemption threshold、event chaining 和一組豐富的系統服務。

微軟有提供中文介紹網頁 https://azure.microsoft.com/zh-tw/services/rtos/