Soft & Share 開源報報 248 - 與其他開發人員共享程式碼片段的簡單方法

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 )。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？

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

開源報報內容

工具

Stories 是與其他開發人員共享程式碼片段的簡單方法

https://github.com/benawad/vscode-stories

你是否曾經在早上醒來，開啟VS Code，然後對自己想：“哇，我想知道世界上其他程式設計師在做什麼，他們在編寫什麼程式碼？”。

這是一個 VS Code 的擴充套件 – VSCode Marketplace.

pktvisor 即時彙總資料流，並為結果提供一個乾淨的，具有時間窗的 HTTP 介面和命令列UI

https://github.com/ns1/pktvisor

彙總資訊包括，例如：

資料包速率：第50、90、95、99％
以通訊協定和IP版本分類的資料包計數
在視窗中看到的一組源IP和DNS qname的基數
十大重擊手：IP，ASN，Geo，DNS qnames，DNS慢速acts …

儘管目前DNS和資料包捕獲是重點，但它被設計為在更廣泛的 context 中使用。

pktvisor 由以下模組所組成

可以有效彙總串流並公開 REST API 以收集結果的代理
基於終端機的命令列介面，可以視覺化即時彙總資料
用於收集和視覺化一組綜合分散的代理到中心位置

該代理還可以匯總 pcap 檔案。

從樣板( templates ) 儲存庫生成檔案或目錄的樣板模板管理器

https://github.com/tmrts/boilr

每次啟動新的程式設計專案時，你是否一遍又一遍地執行相同的步驟？ Boilr在這裡可以幫助你從樣板模板建立專案。

功能

沒有依賴關係（NodeJS，Python 直譯器等）-Boilr 是一個靜態連結的二進位檔案。抓住一個適合你的架構，即可使用模板來節省時間！
Golang 樣板的全部功能-Golang具有強大的樣板構造，它們非常易於學習且功能強大。
簡單的樣板建立-建立樣板模板非常容易，請檢視 license template 以檢視簡單但非常有用的樣板，該模板可透過單個命令將 license 新增到新專案中。

Web 應用程式開發

透過 Threejs 的深度剝離實現螢幕空間折射

https://github.com/Domenicobrz/SS-refraction-through-depth-peeling-in-threejs

很適合用來在網站上展示琉璃藝術品，可以到這邊看 Live Demo

這個 Demo 更令人驚艷 https://domenicobrz.github.io/webgl/projects/glass-absorption/

HackerNews 上面的討論串

使用React，TypeScript和 MobX 實現7GUI

https://github.com/eugenkiss/7guis-React-TypeScript-MobX

7GUI 是一種 GUI 程式設計的效能評估

有無數種使用不同語言和 GUI 開發方法的 GUI 工具套件。但是，它們之間很難進行比較。在傳統基準測試中，比較實現是根據資源消耗進行比較的，而此處實現是根據符號進行比較的( in terms of their notation )。為此，7GUI 定義了七個任務，這些任務代表了 GUI 程式設計中的典型挑戰。此外，7GUI 提供了一組建議的評估維度。

有人可能想知道為什麼這樣的專案有用。首先，GUI程式設計實際上並非易事。 7GUI 可能有助於識別和傳播更好的 GUI 程式設計方法，最終推動程式設計向前發展。其次，GUI程式設計的替代方法以及通常的程式設計方法越來越受歡迎。與傳統的 OOP 和 MVC GUI 開發方法相比，瞭解這些替代方法的優缺點很有趣。最後，當構思7GUI時（2014年），沒有一組使用廣泛的任務代表典型的GUI程式設計挑戰。

這邊有各種 GUI 框架對 7GUI 的實現http://eugenkiss.github.io/7guis/implementations

資料科學

一系列 Jupyter 筆記本，帶你使用 Scikit-Learn 和 TensorFlow 掌握 python 機器學習和深度學習的基礎知識

https://github.com/ageron/handson-ml

該專案旨在教你使用python進行機器學習的基礎知識。它包含 O’Reilly 書中的範例程式碼和練習的解決方案 Hands-on Machine Learning with Scikit-Learn and TensorFlow

6周學習深度學習

https://github.com/llSourcell/Learn_Deep_Learning_in_6_Weeks

這個 git repository 幫你整理好每一週的 youtube 影片連結與相關資訊

第一週前饋神經網路和反向傳播
第二週卷積網路
第三週循環網路
第四週工具使用
第五週生成對抗網路
第六週深度強化學習

你喜歡 pytorch？你喜歡 micrograd 嗎？那麼你會愛上 tinygrad！

https://github.com/geohot/tinygrad

功能介於 Pytorch 和 karpathy/micrograd 之間的程式庫

這可能不是最佳的深度學習框架，但它是一個深度學習框架。

Tensor class 是一個圍繞 numpy array的包裝器，除了它可以做張量( Tensor )的事情。

PyTorch 就不用多加介紹了，什麼是 micrograd？

一個小小的自動微分引擎 ( Autograd Engine )。實現反向傳播（反向模式autodiff）在動態生成的 DAG 和在它的上面小型神經網路庫，具有類似 PyTorch的API。兩者都是微小的，分別在約 100 和 50 行的程式碼。所述 DAG 僅在標量的值( scalar values) 操作，所以每個神經元砍下其所有單獨微小的累加和乘法。然而，這足以建立整個深度神經網路做二元分類。適合用於教育目的。

包含 DeepMind 出版隨附的實現和附有說明的程式碼

https://github.com/deepmind/deepmind-research

除了釋出與 DeepMind 進行的研究相伴隨的論文外，還發布開源環境，資料集和程式碼，以使更廣泛的研究社群參與我們的工作並以此為基礎，並最終目標是加速科學進步，造福於社會。。例如，你可以建立在 Deep Q-Network 或 Differential Neural Computer 的實現之上，或者在我們用於研究的相同環境中進行實驗，例如 DeepMind Lab 或 StarCraft II ( 用人工智慧玩星海爭霸 )。