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
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
開源報報內容
工具
用於 containerd 與 Docker 相容的命令列工具
containerd 一個工業標準的容器 runtime ,強調簡單、穩健和可移植性。
開發動機
nerdctl的目標是方便實驗 Docker 中沒有的 containerd 的最尖端特性。
這樣的特性包括但不限於 lazy-pulling 和 encryption of images.。
另外,nerdctl 可能對除錯 Kubernetes 叢集有潛在的幫助,但這不是主要目標。
Vim 的分支版本專注於可擴充性和可用性
Neovim是一個旨在積極重構Vim的專案,目的是:
- 簡化維護和鼓勵貢獻
- 由多個開發人員分擔工作
- 在不修改核心的情況下啟用高階使用者介面。
- 最大限度地提高可擴充性
特色
- 現代圖形使用者介面
- 從任何語言訪問API,包括C/C++、C#、Clojure、D、Elixir、Go、Haskell、Java、JavaScript/Node.js、Julia、Lisp、Lua、Perl、Python、Racket、Ruby、Rust。
- 嵌入式、可腳本化的終端模擬器
- 非同步作業控制
- 在多個編輯器實體之間共享資料(shada)。
- 支援XDG基礎目錄
- 相容大多數Vim外掛,包括Ruby和Python外掛。
用Go編寫的二進位檔案編輯器
為何開發這個工具?
為什麼不呢?程式設計是如此的有趣!
在建立這個編輯器的時候,我學到了很多東西;檔案指標的處理,說細節應該取決於抽象的意思,如何在Go語言中模擬檔案系統進行測試,如何解決goroutine之間的死鎖或競賽條件等等。
畢竟,自己創造是學習工作原理的最好方法。
按照需求最佳化 Linux 系統效能
GameMode 是一個Linux的 daemon/lib 組合,它允許遊戲請求將一組最佳化功能暫時應用於主機作業系統和/或遊戲行程 ( process )。
GameMode 的設計主要是為了解決英特爾和AMD CPU省電或按需求管理的問題,但現在已經有了一系列的最佳化功能和配置。
目前,GameMode包括對最佳化的支援,包括。
- CPU調節器
- I/O 優先順序
- 流程完善度
- 核心排程器 (SCHED_ISO)
- 抑制螢幕保護程式
- GPU 效能模式(NVIDIA和AMD),GPU超頻(NVIDIA)。
- 自定義 script
GameMode軟體包適用於Ubuntu、Debian、Solus、Arch、Gentoo、Fedora、OpenSUSE、Mageia,可能還有更多。
Web 應用程式開發
在WebAssembly Studio中學習、教學、工作和遊戲。
這個線上IDE將幫助開發者學習或是教授WebAssembly,支援 C 和 Rust ,編譯器在後端執行
在你的電腦安裝 WebAssembly Studio 必須安裝 node.js 和 webpack
資料科學
使用 Python 做演算法交易
這是 FreeCodeCamp 的 YouTube 課程中使用的程式碼庫,用 Python 進行演算法交易。
這是課程的大綱網頁 https://www.freecodecamp.org/news/algorithmic-trading-using-python-course/,裡面包含有 YouTube Channel 的連結
使用 LSTM 與 Keras 進行吉他放大器/效果器模擬的深度學習模型
GuitarLSTM可以訓練吉他效果/放大器神經網路模型,用於處理 wav 檔案。錄製目標吉他放大器或效果器( pedal ) 的輸入/輸出樣本,然後使用此程式碼建立一個聲音的深度學習模型。然後,該模型可以應用於其他 wav 檔案,使其聽起來像放大器或效果器。這段程式碼使用了Tensorflow/Keras。
LSTM(Long Short-term Memory)模型可以有效地複製管式放大器的聲音、失真、超頻和壓縮。它還能捕捉到用於記錄取樣的話筒/錄音棚的內含響應。與WaveNet模型相比,這種實現速度更快,可以更準確地複製複雜吉他訊號的聲音,同時還可以在CPU上進行訓練。
這個專案跟這個開源專案有關 使用 JUCE 製作的吉他外掛,該外掛使用神經網路模型來模擬真實世界的樂器。
在麻省理工學院 ADE20K 資料集上實現 Pytorch 語義分割/場景解析。
這是MIT ADE20K場景解析資料集(http://sceneparsing.csail.mit.edu/)上語義分割模型的 PyTorch 實現。
ADE20K 是最大的語義分割和場景解析開源資料集,由 MIT 電腦視覺團隊釋出。按照下面的連結找到我們的資料集和在Caffe和Torch7上的實現的儲存庫:https://github.com/CSAILVision/sceneparsing。

雲端和網路管理
Web 應用程式安全和滲透測試/CTF的有用有效載荷和繞過( bypass ) 列表
想要了解更多,這邊有書籍和 YouTube 播放列表
✍ 搜尋結果太多?可參考 Soft & Share 搜尋引擎使用技巧
幫我們個小忙!
Image by Maxx Girr from Pixabay