Soft & Share 開源報報 145

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 )

為什麼需要 Soft & Share 開源報報？

每天快速瀏覽開源報報具備有什麼效益？

增加自己的學習動力，提升自己的視野
從開源專案中獲得 side project 靈感與想法
利用開源專案提升自己的生產力

每天使用 NT8.3 元，你可以使用 Soft & Share 開源報報省下掌握每天開源資訊焦點的時間，這是一個很划算的時間槓桿投資

訂閱網址

今日內容摘要

✅ 使用 Rust 和 WASM 開發的小型靜態網頁全文檢索引擎
✅ 在任何資料庫(MySQL，Postgres，MsSQL，SQLite，MariaDB)上生成即時 ✅ REST 和 GraphQL APIs
✅ 使用 Javascript 開發微小而強大的瀏覽器和 NodeJS 全文搜尋
✅ 使用程式產生中國山水畫
✅ 使用深度學習讓 Unity 中的人物角色栩栩如生
✅ Apache Spark 的分散式深度學習框架
✅ PyTorch上的模型服務
✅ Devops開源專案程式碼部署平臺
✅ 一個用於分散式 web 和分散式運算專案的 SDK/程式庫
✅ 在 Rust 中編寫更安全的 FFI 程式碼，而不會被不安全的程式碼汙染
✅ 一個完整的 Go 快取程式庫，為你提供了多種管理快取的方法
✅ 使用 Angular 和 .NET Core 實現的樹莓派 Web 控制面板

開源報報內容

Web 應用程式開發

使用 Rust 和 WASM 開發的小型靜態網頁全文檢索引擎

https://github.com/mre/tinysearch

這是一個針對靜態網站的輕量級、快速、全文搜尋引擎，這位開發者也在自己的 blog 使用這個搜尋引擎

這個搜尋引擎是從這篇文章 “Writing a full-text search engine using Bloom filters” 的 Python 程式碼轉換成 Rust/WASM，這可以被看作是 lunr.js 和 elastticlunr 的替代品。

這個想法是從網站上的文章列表中生成一個小型的、自包含的 WASM 模組，並將其傳送到瀏覽器。 tinysearch可以整合到 Jekyll, Hugo, zola, or Cobalt. 這樣的靜態網頁產生器引擎

在任何資料庫(MySQL，Postgres，MsSQL，SQLite，MariaDB)上生成即時 REST 和 GraphQL APIs

https://github.com/xgenecloud/xgenecloud

這是一個 SaaS 服務，也有免費版本

XgeneCloud 是什麼？

XgeneCloud 由三個簡單而令人驚歎的產品組成:

一個可以在任何資料庫上生成 REST & GraphQL 的即時 API 框架
基於GUI的功能齊全的資料庫和API客戶端
- GUI 資料庫客戶端啟用-點和單擊 schema 設計和 schema 遷移。
- GUI API 客戶端用來偵錯 APIs
一個混合無伺服器(Serverless)框架
- 生成的所有 APIs 都可以作為無伺服器功能部署在任何雲端平台上！
- 這不會改變對生成的原始碼的任何更改

在既有的 MySQL 資料庫上產生 REST APIs

資料庫設計和鷹架 API 的GUI

在既有的 MySQL 資料庫上生成 GraphQL APIs

使用 Javascript 開發微小而強大的瀏覽器和 NodeJS 全文搜尋

https://github.com/lucaong/minisearch

Minisearch 是一個小巧但功能強大的記憶體全文搜尋引擎，用 JavaScript 編寫。它尊重資源，並且可以輕鬆地在 Node 和瀏覽器中執行。

使用案例

Minisearch 處理需要全文搜尋功能的用例(例如字首搜尋、模糊搜尋、排序、欄位增強…) ，但是要索引的資料可以適合地放在本地端的行程記憶體中。雖然你不會用它來索引整個網際網路，但是 MiniSearch 提供了許多令人驚訝的用例。通過將索引儲存在本地端記憶體中，MiniSearch 可以離線工作，並且可以快速處理查詢，而不需要網路延遲。

一個突出的使用案例是在 web 和行動應用程式中即時搜尋“ as you type” ，將索引儲存在客戶端上可以快速反應的 UIs，從而無需向搜尋伺服器發出請求。

資料科學

使用程式產生中國山水畫

https://github.com/LingDong-/shan-shui-inf

靈感來自中國傳統的山水卷軸，利用噪音(noises)和數學函式從零開始建立山和樹的模型。它完全是用 javascript 編寫的，並且輸出可縮放向量圖形 / 值(SVG)格式。

使用深度學習讓 Unity 中的人物角色栩栩如生

https://github.com/sebastianstarke/AI4Animation

這個專案探索深度學習角色動畫和控制的機會，作為我在愛丁堡大學資訊學院的博士研究的一部分，由 Taku Komura 監督。在過去的幾年裡，這個專案已經成為一個模組化和穩定的資料驅動的角色動畫框架，包括資料處理，網路培訓(network training )和執行時控制，使用 Unity3D / Tensorflow / PyTorch 開發。這個儲存庫使得使用神經網路來做雙足運動、四足運動，以及角色場景與物體和環境的相互作用動畫，或者體育遊戲。這項研究的進一步進展將繼續新增到這個專案。

Apache Spark 的分散式深度學習框架

https://github.com/intel-analytics/BigDL

什麼是 BigDL？

BigDB 是一個針對 Apache Spark 的分散式深度學習程式庫; 使用 BigDL，使用者可以將他們的深度學習應用程式編寫成標準的 Spark 程式，這些程式可以直接執行在現有的 Spark 或 Hadoop 叢集之上。為了便於建構 Spark 和 BigDL 應用程式，提供了一個針對端到端分析 + AI pipelines的高階 Analytics Zoo。

豐富的深度學習支援。模仿 Torch，BigDL 為深度學習提供全面的支援，包括數值計算(通過 Tensor)和高階神經網路; 此外，使用者可以使用 BigDL 將預先訓練過的 Caffe 或 Torch 模型載入到 Spark 程式中。
極高的效能。為了實現高效能，BigDL 在每個 Spark 任務中使用 Intel MKL / Intel MKL-DNN 和多執行緒程式設計。因此，在單節點 Xeon 上，它比現成的 Caffe、 Torch 或 TensorFlow 數量級更快(也就是說，可與主流 GPU 相媲美)。通過採用 Intel DL Boost，BigDL 顯著提高了推理延遲和吞吐量。
高效地擴展。 BigDL 可以通過利用 Apache Spark (一個快如閃電的分散式資料處理框架) ，以及在 Spark 上高效實現同步 SGD 和 all-reduce 通訊，有效地擴展到”大數據規模”的資料分析。

為何使用 BigDL？

你可以使用 BigDL 編寫深度學習程式，如果:

你需要在儲存資料的同一個大數據(hadoop / spark)叢集上分析大量資料(例如，HDFS、 HBase、 Hive 等)。
你希望為你的大數據(Spark)程式和 / 或工作流程新增深度學習功能(培訓或預測)。
你希望利用現有的 Hadoop / Spark 叢集來執行你的深度學習應用程式，然後可以與其他 workloads(如 ETL、資料倉庫、特徵工程、經典機器學習、圖形分析等)動態共享這些應用程式