我的周刊(第016期)

简介: 我的周刊(第016期)

🎯 项目


CasaOS[1]


CasaOS 是一个基于 Docker 生态系统的开源家庭云系统,专为家庭场景而设计。它致力于构建世界上最简单、易用、优雅的家庭云系统。

1.jpg

MRDOC[2]


MRDOC觅思文档,私有云笔记、云文档和知识库系统,适合作为私有云文档、云笔记和知识管理的私有化在线文档部署方案。


分为开源版和付费版,小团队可以考虑使用:

2.png

🤖 软件


marktext[3]


一个简单优雅的开源 Markdown 编辑器,专注于速度和可用性。本周Typora发布了收费的正式版,意料之内这个开源项目会跳出来,可以说是比较有利的替代品。

3.png

dockeye[4]


基于Rust编写的Docker界面管理工具:

2.jpg

👀 资料


Google 工程实践文档[5]


Google 在 GitHub 开源的一份工程实践文档:《Google 工程实践文档》,此文档为 Google 工程师长期累积的最佳实践,希望通过这份文档,能帮助更多开发者完成代码审查工作,为项目代码提供标准参考。

4.png

pdai[6]


Java 全栈知识体系,包含: Java 基础, Java 部分源码, JVM, Spring, Spring Boot, Spring Cloud, 数据库原理, MySQL, ElasticSearch, MongoDB, Docker, k8s, CI&CD, Linux, DevOps, 分布式, 中间件, 开发工具, Git, IDE, 源码阅读,读书笔记, 开源项目...

5.png

fullstackopen[7]


开源技术教程:《深入浅出现代化 Web 编程》,一站式学习 React, Redux, Node.js, MongoDB, GraphQL 以及 TypeScript!这门课程会向你介绍基于 JavaScript 的现代 Web 编程技术。重点是利用 ReactJS 搭配 Node.js 开发的 REST API,来搭建单页面应用程序(SPA:Single Page Application)。

6.png

数据科学学习指南[8]


数据科学学习指南,帮你每天提升 1%的数据科学技能。主要包含电子表格与数据库的数据处理、命令行工具使用、数据分析与可视化技巧、论文阅读方法,各类模型与算法讲解等知识,另外还有商业思维培养、写作与沟通技巧等非技术类内容。

7.png

the-art-of-command-line[9]


命令行的艺术,熟练使用命令行是一种常常被忽视,或被认为难以掌握的技能,但实际上,它会提高你作为工程师的灵活性以及生产力。本文是一份我在 Linux 上工作时,发现的一些命令行使用技巧的摘要。有些技巧非常基础,而另一些则相当复杂,甚至晦涩难懂。这篇文章并不长,但当你能够熟练掌握这里列出的所有技巧时,你就学会了很多关于命令行的东西了。


🕸 网站


nginx_web[10]


配置高性能、安全、稳定的 NGINX 服务器的最简单方法:

8.png

removebg[11]


这个网站在智能图片去背景上做得非常棒,速度也很快,完全免费。

9.png

untools[12]


一个帮助你思考的集合工具&框架:

10.png

nona[13]


德国搜索引擎,效果目前使用感觉不错,满足日常使用,速度也挺快:

11.png



相关文章
|
10月前
|
移动开发 前端开发 JavaScript
React 图片裁剪组件 Image Cropper
本文介绍了在React中实现图片裁剪功能的方法,涵盖基础知识、常见问题及解决方案。首先,通过第三方库如`react-image-crop`或`cropperjs-react`可轻松实现图片裁剪。接着,针对性能和兼容性问题,提供了优化图片加载、处理裁剪区域响应慢、解决浏览器差异等方案。最后,通过代码案例详细解释了如何创建一个基本的图片裁剪组件,并提出了优化建议,如使用`React.memo`、添加样式支持及处理大图片预览,帮助开发者避免常见错误并提升用户体验。
695 67
|
存储 边缘计算 自然语言处理
25 个值得关注的检索增强生成 (RAG) 模型和框架
大型语言模型(LLM)如GPT-4在自然语言处理(NLP)领域展现了卓越能力,但也存在知识截止、静态知识库和内存限制等局限。检索增强生成(RAG)通过集成检索机制,允许LLM动态访问和整合外部数据源,提高了生成响应的准确性、相关性和时效性。本文深入探讨了25种先进的RAG变体,每种变体都旨在优化检索和生成过程的特定方面,涵盖成本限制、实时交互和多模态数据集成等问题,展示了RAG在提升NLP能力方面的多功能性和潜力。
708 4
25 个值得关注的检索增强生成 (RAG) 模型和框架
|
编解码 缓存 开发工具
Pico Neo 3教程☀️ 三、SDK 的进阶功能
Pico Neo 3教程☀️ 三、SDK 的进阶功能
|
机器学习/深度学习 监控 算法
【数学建模竞赛】优化类赛题常用算法解析
【数学建模竞赛】优化类赛题常用算法解析
850 2
|
机器学习/深度学习 存储 算法
【强化学习】常用算法之一 “Q-learning”
Q-learning算法是一种基于强化学习的无模型学习方法,通过学习到目标系统的Q值函数来解决智能体在给定环境下的最优决策策略问题。Q-learning算法是基于后验策略方法,即学习出目标系统的价值函数Q之后,通过使用某种策略来最大化该价值函数,称之为后验策略。Q-learning算法是偏差-方差权衡的算法,在偏差较高的情况下可以在基于模型的强化学习中找到一个接近最优策略的解决方案。同时它也具有较高的收敛速度和广泛的适用性,因为其只需要存储一个值函数,不需要存储模型。
1233 0
【强化学习】常用算法之一 “Q-learning”
|
存储 机器学习/深度学习 算法
Transformers 加速的一些常用技巧
Transformers架构因自注意力机制面临训练过程中的内存不足和GPU限制问题,主要源于大量参数、自注意力计算的高复杂度以及激活状态存储。为解决这些问题,常用策略包括:固定长度填充(使用注意力掩码处理填充部分)、动态填充(每批内序列长度相同)和等长匹配(按序列长度分组批量处理),以及自动混合精度(AMP)训练,通过float16降低内存使用和加速计算。尽管如此,大型模型仍可能需要高性能GPU支持。
388 3
|
安全 API Docker
索引生命周期管理ILM看完不懂你锤我
索引生命周期管理ILM看完不懂你锤我
326 0
|
机器学习/深度学习 人工智能 自然语言处理
淘天集团大模型应用十大挑战命题发布
淘天集团大模型应用十大挑战命题发布
399 0
|
机器学习/深度学习 存储 自然语言处理
XoT:一种新的大语言模型的提示技术
这是微软在11月最新发布的一篇论文,题为“Everything of Thoughts: Defying the Law of Penrose Triangle for Thought Generation”,介绍了一种名为XOT的提示技术,它增强了像GPT-3和GPT-4这样的大型语言模型(llm)解决复杂问题的潜力。
539 6
|
自然语言处理 数据挖掘 Java
20源代码模型的数据增强方法:克隆检测、缺陷检测和修复、代码摘要、代码搜索、代码补全、代码翻译、代码问答、问题分类、方法名称预测和类型预测对论文进行分组【网安AIGC专题11.15】
20源代码模型的数据增强方法:克隆检测、缺陷检测和修复、代码摘要、代码搜索、代码补全、代码翻译、代码问答、问题分类、方法名称预测和类型预测对论文进行分组【网安AIGC专题11.15】
548 0