Skip to main content

黑洞资源笔记

黑洞资源笔记
黑洞资源笔记

  1. 一款开源的轻量级社交平台，类似 Twitter 与 Tumblr。支持关注他人、发布推文、点赞分享内容、一键拉黑等操作。

    项目可自定制，注重隐私安全，移除了算法推荐内容机制，用户可按正常时间线浏览内容。自带管理后台，拥有多种丰富配置属性。

    GoToSocial | 文档

  2. AIGC（AI-Generated Content 人工智能生成内容）是当前 AI 领域最热门的话题之一。尤其是伴随着 Stable Diffusion、DALL-E 等代表的文本生成图像的跨模态应用涌现，AIGC 更是火爆出圈，广受关注。

    但是，高昂的硬件需求和训练成本仍严重阻碍着 AIGC 行业的快速发展。AIGC 应用的出色表现通常建立在 GPT-3 或 Stable Diffusion 等大模型之上，并针对特定下游任务和应用进行微调。

    如何更好、更快和更便宜地实现训练、微调 AIGC 模型，已成为 AIGC 商业化和应用爆发的最大痛点。

    近日，GitHub 上一款深度学习系统 Colossal-AI，开源了完整 Stable Diffusion 预训练和个性化微调方案，将预训练时间加速和经济成本降低 6.5 倍，个性化微调硬件成本降低 7 倍！

    借助此项目，普通开发者即可在个人电脑的 RTX 2070/3050 上，快速完成微调任务流程，让 Stable Diffusion 等 AIGC 模型触手可及。目前，该技术解决方案已在 GitHub 开源。

    此外，项目中有提供完整的中文教程，进一步降低学习门槛，让大家能更快上手开发

    Paper | Docs | Examples | Forum | Blog | Github

  3. 一款开源的视频与图像管理 Web 应用，基于 Go 编写，支持自部署，可将视频和图像按标签进行分类，以及信息提取与统计等功能。

    项目支持通过 Windows、macOS、Linux、Docker 等方式进行安装部署，并拥有多种 CSS 样式可供定制。

    Stash

  4. Meta裁员超11000名

    Facebook母公司META CEO马克·扎克伯格（Mark Zuckerberg）今日宣布，将对公司裁员13%，超过11000人将因此而离职。

    扎克伯格在信中说：“今天我要分享一些我们在Meta的历史上所做的最艰难的改变，我们已经决定将团队规模缩减约13%，并让更多的人参与进来。我们将有11000名优秀的员工离职。我们还将采取了一些额外的措施，通过削减可自由支配的开支，从而成为一家更精简，更高效的公司。”

  5. 自动交易机器人，支持实时交易、回测、自定义策略等

    algo-trader 算法交易策略执行器和回测器的实现。 能够在本地回测策略，并通过经纪人API实时交易。它用 Python 编写，其当前堆栈由以下部分组成：

    MongoDB作为回测策略的后端数据存储
    tulipy -Tulip 指标的 Python 绑定。用于提供技术指标计算。
    ib_client （可选） - 用于与盈透证券网关通信的 Python 库。仅当你计划通过IB进行真实交易时才需要

    项目地址

  6. Higress 是基于阿里内部两年多的 Envoy Gateway 实践沉淀，以开源 Istio 与 Envoy 为核心构建的下一代云原生网关。Higress 实现了安全防护网关、流量网关、微服务网关三层网关合一，可以显著降低网关的部署和运维成本。

    官网 | 文档 | 博客

  14. Keras是一个用Python编写的深度学习API， 运行在机器学习平台TensorFlow之上。 它的开发重点是实现快速实验。能够尽快从想法到结果是做好研究的关键。

    Keras特性：

    1.简单 - 但不是简单。Keras 减少了开发人员的认知负担，让您能够专注于问题中真正重要的部分。
    2.灵活——Keras 采用渐进式披露原则 复杂性：简单的工作流程应该快速简便，同时任意 高级工作流程应该可以通过基于的清晰路径来实现 你已经学到了什么。
    3.强大 -- Keras 提供行业强大的性能和可扩展性：它被包括NASA在内的组织和公司使用， YouTube和Waymo。

    Keras & TensorFlow 2
    TensorFlow 2是一个端到端的开源机器学习平台。 您可以将其视为可微分编程的基础结构层。 它结合了四个关键功能：

    1.在 CPU、GPU 或 TPU 上高效执行低级张量操作。
    2.计算任意可微表达式的梯度。
    3.将计算扩展到许多设备，例如数百个 GPU 的集群。
    4.将程序（“图形”）导出到外部运行时，如服务器、浏览器、移动和嵌入式设备。

    Keras 是 TensorFlow 2 的高级 API：一个平易近人、高效的界面。 用于解决机器学习问题， 专注于现代深度学习。它为开发提供了基本的抽象和构建块 以及以高迭代速度交付机器学习解决方案。

    Keras 使工程师和研究人员能够充分利用可扩展性 以及 TensorFlow 2 的跨平台功能：您可以在 TPU 或大型 GPU 集群上运行 Keras， 你可以导出 Keras 模型以在浏览器或移动设备上运行。

    Keras API | 指南 | 项目地址 | 其他相关 | #API

  16. 实时目标声音提取

    该存储库为本文中提出的波形器架构提供了代码。波形器是一种实现流推理的低延迟目标声音提取模型——该模型在每个时间步长处理 ~10 毫秒的输入音频块，同时只查看过去的块，而不查看未来的块。在使用单线程的Core i5 CPU上，不同型号配置的实时因子（RTF）范围为0.66至0.94，端到端延迟小于20毫秒。

    Waveformer | #工具