Soft & Share 開源報報 222 – 使用困難的方式在 Google 雲端平台上啟動 Kubernetes,不使用 script

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 )。想體驗開源報報,可先參考開放閱讀

🔥以主題方式整理出相關的開源專案 – 開源報報主題報導

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?

  1. 增加自己的學習動力,提升自己的視野
  2. 從開源專案中獲得 side project 靈感與想法
  3. 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

開源報報內容

工具

一個社群討論的平台。自由,開放,簡單。

Discourse 是為網際網路下一個十年建立的100% 開源的討論平台,可以用它做:

  • 郵件列表
  • 討論論壇
  • long-form聊天室

這個論壇使用以下技術

  • Ruby on Rails 4. Ruby on Rails — 我們的後端 API 是一個 Rails 應用程式,它用 JSON 以 restful 方式響應請求
  • Ember.js — 前端使用 Ember.js 使用 Rails API 與後端溝通
  • PostgreSQL — 我們的主要資料儲存在 Postgres
  • Redis — 我們使用 Redis 作為快取和暫時資料
  • BrowserStack — 我們使用 BrowserStack 在實際裝置和瀏覽器上進行測試

一款適用於全球加密貨幣的 macOS 應用程式

Web 應用程式開發

OWASP 果汁線上商店: 可能是最現代和複雜,不安全的 Web 應用程式

知名的 OWASP 開源組織每隔幾年就會推出 OWASP Top 10 Web 安全性風險報告這個專案使用 Node.js 為主,教你如何用現代化與複雜的 Web 開發技術,寫出「不安全」的程式碼。Juice Shop 包含了整個 OWASP 十大漏洞以及在真實世界應用程式中發現的許多其他安全漏洞!Juice Shop 可以用於安全培訓、意識(awareness)展示、 CTFs,也可以作為安全工具的試驗品!

資料科學

可伸縮、可移植和分散式梯度提升程式庫(GBDT、 GBRT 或 GBM) ,用於 Python、 R、 Java、 Scala、 C++等。在單機、 Hadoop、 Spark、 Flink 和 DataFlow 上執行

XGBoost 是一個優化的分散式梯度提升( distributed gradient boosting )程式庫,旨在高效、靈活和便攜。它在 Gradient Boosting  下實現了機器學習演算法。XGBoost 提供了一種平行樹增強(也稱為 GBDT、 GBM) ,以快速和準確的方式解決了許多資料科學問題。同樣的程式碼在主要的分散式環境(Kubernetes,Hadoop,SGE,MPI,Dask)上執行,可以解決超過數十億個範例的問題。

附有GPU + Spark 的Java / Scala 深度學習和線性代數程式庫

Eclipse Deeplearning4J (DL4J)生態系統是一組旨在支援基於 JVM 的深度學習應用程式的所有需求的專案。這意味著從原始資料開始,從任何地方和任何格式載入和預處理它,以建構和調優各種簡單和複雜的深度學習網路。

因為 Deeplearning4J 是在 JVM 上執行的,所以除了 Java 之外,你可以在很多基於 JVM 的語言中使用它,比如 Scala、 Kotlin、 Clojure 等等。

DL4J 堆棧包括:

  • DL4J: 用於建構多層網路和運算圖表的高階 API,包括自定義層。支援從 h5匯入 Keras 模型,包括 tf.keras 模型(從1.0.0-beta7開始) ,還支援在 Apache Spark 上進行分散式培訓
  • ND4J: 通用線性代數程式庫,包含500多個數學、線性代數和深度學習操作。ND4J 基於高度最佳化的 C++ 程式碼庫 LibND4J,透過 OpenBLAS、 OneDNN (MKL-DNN)、 cuDNN、 cuBLAS 等程式庫提供 CPU (AVX2/512)和 GPU (CUDA)支援和加速
  • SameDiff : 是 ND4J 程式庫的一部分,SameDiff 是我們的自動微分/深度學習框架。SameDiff 使用基於圖(先定義然後執行)的方法,類似於 TensorFlow 圖模式。Eager graph (TensorFlow 2.x eager/PyTorch)圖執行計劃。SameDiff 支援匯入 TensorFlow 凍結模型格式.pb (protobuf)模型。計劃匯入 ONNX、 TensorFlow SavedModel 和 Keras 模型。Deeplearning4j 還有完全的 SameDiff 支援,可以輕鬆編寫客製化層和丟失功能
  • DataVec: ETL,用於機器學習資料的各種格式和檔案(HDFS、 Spark、影象、影片、音訊、 CSV、 Excel 等)
  • Arbiter : 用於超參數搜尋的程式庫
  • LibND4J : C++ 支援一切的C++程式庫。有關 JVM 如何訪問本機陣列和操作的更多資訊,請參見 JavaCPP

DL4j 生態系統中的所有專案都支援 Windows、 Linux 和 macOS。硬體支援包括 CUDA gpu (10.0,10.1,10.2,OSX 除外) ,x86 CPU (x86 _ 64,avx2,avx512) ,ARM CPU (ARM,arm64,arhf)和 PowerPC (ppc64le)。

Caffe: 一個快速開放的深度學習框架

Caffe 是一個基於表示式、速度和模組化的深度學習框架。它是由 Berkeley 人工智慧研究(BAIR)/ Berkeley 視覺和學習中心(BVLC)和社群貢獻者開發的。

雲端和網路管理

《計算機網路-自頂向下方法(原書第6版)》程式設計作業,Wireshark實驗文件的翻譯和解答

天瓏書局有在賣這本書,但是是第 7 版,教你自己實作網路應用程式,例如 Web 伺服器, UDP ping 程式, 郵件客戶端,也包含了如何使用 Wireshark

這個 repository 裡面則是涵蓋了這本書的作業與解答

使用困難的方式在 Google 雲端平台上啟動 Kubernetes,不使用 script。

本教程將指導你透過艱難的方式設定 Kubernetes。本指南不適用於尋找完全自動化的命令來啟動 Kubernetes 叢集的使用者。如果是這樣,請檢查谷歌 Kubernetes 引擎,或入門指南

Kubernetes 艱難之路是針對學習進行最佳化的,這意味著要走很長的路,以確保理解引導 Kubernetes 叢集所需的每個任務。

行動應用程式設計

Skeleton: 一個非常簡單,響應樣板針對行動裝置友好的 Web 開發

Skeleton 是一個簡單的,響應式樣板來啟動任何響應式專案。

為什麼很棒?

Skeleton 輕巧而簡單。它只對原始 HTML 元素進行樣式化(有少數例外) ,並提供響應式網格。僅此而已。

  • 大約有400行 CSS 檔案沒有縮小,並且帶有註釋
  • 這是一個起點,而不是 UI 框架
  • 不需要編譯或是安裝…只是 vanilla CSS

嵌入式系統

Bocoup 開發的JavaScript Robotics和 IoT 程式設計框架。

Johnny-Five 是一個開源的、基於 Firmata 通訊協定的、由 Bocoup 開發的物聯網和機器人程式設計框架。可以為 Arduino (所有型號)、 Electric Imp、 Beagle Bone、 Intel Galileo & Edison、 Linino One、 Pinoccio、 pcDuino3、 Raspberry Pi、 Particle/Spark Core & Photon、 Tessel 2、 TI Launchpad 等編寫程式!

Johnny-Five 已經從一個充滿熱情的專案發展成為一個激發學習和創造力的工具,適用於世界各地不同年齡、不同背景的人們。

有一本書有教如何使用這個程式設計框架 – [MEAP 搶鮮電子書] JavaScript on Things

訂閱網址

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: