黑洞资源笔记
-
- 逆向工程 Alembic | 详文
Alembic实际上并不是一种文件格式,而是伪装成一种文件格式。实际上,可以根据魔术文件签名确定具有不同内存布局的两种文件格式:
HDF5:一种分层数据格式,通常用于以分层方式存储和组织大量数据。它通常用于科学领域而不是视觉效果行业,因此,这种内部格式很少用于存储对我们的导入任务有用的数据(例如网格、相机、动画等)。HDF5 实际上是一种类似数据库的数据的存储格式,它在使用方面是一种非常好的格式(我承认我不知道它的内部设计)。
似乎绝大多数“Alembic”文件不是 HDF5 格式,而是 Ogawa 格式。
Ogawa:主要关注的格式被命名为Ogawa。它是一种 little-endian 二进制格式(谢天谢地),旨在就地读取以实现高效的多线程数据读取。幸运的是,这部分文件格式已记录在案2,而且足够小 | 推文
与 HDF5 类似,Ogawa 是一种易于读取的分层数据格式,但与 HDF5 不同的是,它是完全未压缩的。 - 基于浏览器的离线优先 ePub 阅读器。
1paragraph是一个基于浏览器的、离线优先的epub阅读器。对于每本书,它都会存储你读过的最后一段,在图书馆视图中显示该段,并在你打开书时滚动到该段。
1paragraph | #工具 - Android 13 针对 Android 进行优化(Go 版):Google 应用的经验教训 - 第 1 部分 。| 详文
-
-
- “深度视觉与图形”课程资料
这个 repo 补充了在 YSDA @fall'22 教授的“深度视觉和图形”课程。该课程是YSDA 2015-2021 年“深度学习”课程的后续课程。新课程更侧重于深度学习在计算机视觉中的应用。
Github | #教程 #机器学习 - 机器学习数据工程实战
通过构建用于分析和机器学习应用程序的现代数据堆栈来学习数据工程基础知识,并学习如何编排数据工作流程并以编程方式执行任务,以便为下游消费者(分析、ML 等)准备高质量的数据。
该存储库包含补充数据堆栈和编排课程的代码,这是MLOps 课程的一部分。
Data Engineering for Machine Learning | #机器学习 -
-
- 一个现代且实际快速的模态虚拟终端仿真器,适合日常使用。它的目标是具有现代功能思维的高级用户。该项目处于测试阶段和积极开发中
✅适用于所有 4 个主要平台,Linux、OS/X、FreeBSD、Windows。
✅GPU 加速渲染。
✅字体连字支持(例如在 Fira Code 中)。
✅Unicode:表情符号支持(-:🌈 💝 😛 👪- 包括 ZWJ、VS15、VS16 表情符号 :-)
✅Unicode:字形集群支持
✅粗体和斜体字体
✅高 DPI 支持。
✅垂直线标记(快速跳转到您历史记录中的标记!)
✅用于改进选择和复制粘贴体验的类似 Vi 的输入模式以及类似 Vi 的scrolloff功能。
✅在 Linux 上使用 Windows 10 或 KDE 窗口管理器时透明背景模糊。
✅模糊背景图像支持。
✅运行时配置重新加载
✅256 色和真彩色支持
✅键绑定自定义
✅颜色方案
✅配置文件(分组定制:配色方案、登录外壳和相关行为)
✅ 同步渲染(通过SM ? 2026/ RM ? 2026)
✅文本重排(可通过SM ? 2028/配置RM ? 2028)
✅通过OSC 8的可点击超链接
✅通过 OSC 52 设置剪贴板
✅Sixel 内联图像
✅终端页面缓冲区捕获VT扩展以快速提取内容。
✅内置Fira Code 启发的进度条支持。
✅只读模式,防止用户对正在运行的应用程序进行意外输入,例如Ctrl+ C。
✅VT320 主机可编程和指示灯状态线支持。
✅以及更多 ...
Contour - 开源跨平台笔记应用
功能概述
📌本机应用程序(使用 Qt 用 C++ 编写)。
📌速度快,内存占用少。
📌完全开源和跨平台(Linux、macOS、Windows)。
📌完全私密 - 不跟踪任何内容。
📌美丽而时尚的外观,但仍然强大。
📌文件夹和标签。使用嵌套文件夹分层组织您的想法,并普遍使用标签。
📌支持Markdown。无需将手从键盘上移开即可格式化文本。
📌不同的主题。在浅色、深色和棕褐色之间切换。
📌视图流。选择多个笔记以在编辑器中一个接一个地查看它们。
📌始终在后台运行。使用热键“Windows”+“N”来召唤笔记。macOS 的“控制”+“N”。
📌键盘快捷键。希望能有只用键盘的选项(但在这方面还需要做更多的工作)。
Notes | #工具 -
-
- 你说它做:Adept训练的Action Transformer (ACT-1),可根据你的文字提示,自动操作完成指定任务,比如在网站上找限定条件的房子、操纵电子表格等
Action Transformer (ACT-1) |#机器学习 -
- Adobe 宣布以大约 200 亿美元的现金和股票收购流行的设计平台 Figma。在周四早些时候关于潜在收购的谣言浮出水面后,Adobe 在不久之后的新闻稿中将其正式发布。这在设计和开发领域是个大新闻,尤其是近年来 Figma 一直在与 Adobe 的XD产品展开激烈竞争。
Adobe 声称:“Adobe 和 Figma 将共同重新构想创造力和生产力的未来,加速网络上的创造力,推进产品设计并激发全球创作者、设计师和开发者社区的灵感。” “合并后的公司将拥有巨大、快速增长的市场机会和能力,为客户、股东和行业创造巨大价值。” -