Skip to main content

黑洞资源笔记

  1. 将 ChatGPT 集成到 Jupyter Notebooks 的浏览器插件

    ChatGPT for Jupyter是一个浏览器扩展,在Jupyter Notebooks和Jupyter Lab中提供各种帮助程序功能,由ChatGPT提供支持

    主要功能,有 ChatGPT:

    格式 - 自动将注释、文档字符串和格式添加到代码单元格。
    说明 - 解释代码单元格的内容,ELI5 样式。
    调试 - 帮助调试代码单元中的错误消息。
    完成 - 帮助完成代码单元中的代码段。
    乐趣 - 提供有关代码单元格的有趣或有用的事实。
    项目现状:测试版 - 可能出现错误 - 如果遇到问题或有功能建议 - > 将它们作为问题提交!

    ChatGPT for Jupyter | #扩展 #工具 #插件
  2. 开源库存管理系统:InvenTree

    InvenTree是一个开源库存管理系统,提供强大的低级库存控制和零件跟踪。InvenTree系统的核心是一个Python/Django数据库后端,它提供了一个管理界面(基于Web)和一个REST API,用于与外部接口和应用程序进行交互。

    InvenTree设计为轻巧且易于使用的中小企业或业余爱好者应用,其中许多现有的库存管理解决方案使用起来臃肿且繁琐。更新库存是一个单一操作的过程,不需要复杂的工作订单或库存交易系统。

    强大的业务逻辑在后台工作,以确保维护库存跟踪历史记录,并且用户可以随时访问库存级别信息。

    🎯特征
    组织部件和物料清单
    管理供应商
    即时库存知识
    扩展和自定义以配合你的使用情况
  3. 用终端命令在自己的repo里可视化模拟Git操作

    使用单个终端命令直观地模拟你自己的存储库中的 Git 操作。这将生成描述 Git 命令行为的图像(默认)或视频可视化效果。

    命令语法直接基于 Git 的命令行语法,因此尽可能熟悉使用 git-sim。例:$ git-sim merge <branch>

    使用案例
    可视化 Git 命令,以便在实际运行它们之前了解它们对存储库的影响
    通过在运行前进行模拟来防止意外的工作目录和存储库状态
    与您的团队或世界共享 Git 命令的可视化效果(jpg 图像或 mp4 视频)
    将可视化效果保存为团队文档的一部分,以记录工作流程并防止重复出现的问题
    创建静态 Git 图(jpg)或动态动画视频(mp4)以加快内容创建速度
    帮助视觉学习者了解 Git 命令的工作原理
    特征
    在终端中运行单行 git-sim 命令,从存储库生成自定义 Git 命令可视化 (.jpg)
    支持的命令:log/status/add/restore/commit/stash/branch/tag/reset/revert/merge/rebase/cherry-pick
    使用该标志生成动画视频(.mp4)而不是静态图像(注意:性能明显下降,建议在准备好生成演示质量的视频时用于加快测试速度并删除)--animate--low-quality
    在暗模式(默认)和浅色模式之间进行选择
    仅动画:根据需要添加自定义品牌的前奏/结尾序列
    仅动画:根据需要加快或减慢动画速度

    git-sim | #可视化
  4. 在文本数据中发现秘密和敏感信息的命令行工具

    主要特点:
    1.支持扫描文件、目录和 Git 存储库的整个历史记录
    2.使用正则表达式匹配,根据攻击性安全参与的经验和反馈,为高信噪比选择一组 60 种模式
    3.将共享相同秘密的匹配组合在一起,进一步强调信号而不是噪声
    4. Pro上在不到2分钟的时间内扫描100GB的Linux内核源代码历史记录。

    这个开源版本的Nosey Parker是Praetorian使用的内部版本的重新实现。内部版本具有用于误报抑制的附加功能和基于机器学习的替代检测引擎。在此处和此处的博客文章中阅读更多内容。

    项目地址 | #命令行 #工具
  5. 最小化的机器学习项目模板

    此存储库实现了一个最小的机器学习模板,该模板功能齐全,适用于机器学习项目可能需要的大多数内容。使此存储库与众不同的最重要部分是:

    它是无国籍的。使用此模板运行的任何给定实验都会自动并定期地将模型权重和配置分别存储到 HuggingFace Hub 和 wandb。因此,如果您的机器死机或作业退出,而你在另一台机器上恢复,代码将自动找到并下载以前的历史记录,并从中断的地方继续。这使得此存储库在使用竞价型实例或使用 slurm 和 kubernetes 等调度程序时非常有用。
    它通过HuggingFace Accelerate为所有最新和最好的GPU和TPU优化和缩放算法提供支持。
    它通过 Hydra-Zen 提供成熟的配置支持,并通过此存储库中实现的装饰器自动生成配置。
    它具有基于回调的最小样板,允许用户轻松地在系统中的预定义位置注入任何功能,而无需对代码进行页面处理。
    它使用 HuggingFace 模型和数据集来简化模型和数据集的构建/加载,但也不会强迫您使用它们,允许非常轻松地注入您关心的任何模型和数据集,假设您使用在 PyTorch 和类下实现的模型。nn.ModuleDataset
    它提供了即插即用功能,允许使用 BWatchCompute 和一些现成的脚本和 yaml 模板在 Kubernetes 集群上轻松搜索超参数。

    项目地址 | #模板 #机器学习