0


GitHub 一周热点汇总 #1 (2023/12/10-12/16)

GitHub一周热点汇总,梳理每周热门的GitHub项目,了解热点技术趋势,掌握前沿科技方向,发掘更多商机。

#1project-based-learning

Github 上的神级项目,光看star数量就已经要吓死个人了,它一周的star增长量甚至要比大多数项目的全部star还多。

其实project based learning是一个学习的概念,项目式学习(project based learning)是一种动态的学习方法,通过PBL学生们主动的探索现实世界的问题和挑战, 在这个过程中领会到更深刻的知识和技能。

该项目的作者汇集了一个编程教程列表,有抱负的软件开发人员可以在其中学习如何从头开始构建应用程序。

这个项目包括了几乎所有的主流语言,想学的全部都有:

当然这个项目是由以youtube以及一些海外内容为主的,所以想要开始学习前,需要先准备好自己的网络环境。

#2 GPTS

prompt就是用户给gpt类工具的输入语句,它可以是一个问题、一个命令、一个主题、一个开头、一个示例等等。prompt的作用是告诉GPT类工具你想要它做什么,或者你想要它生成什么样的文本。prompt是GPT类工具生成文本的关键因素,一个好的prompt可以让GPT类工具更准确地理解你的意图,更快速地给出你想要的结果,更有趣地展示它的能力。

本项目汇集了各种 prompt 的列表,可以帮助GPT使用者更好的来改进自己的prompt。

#3 lobehub / lobe-chat

LobeChat 是开源的高性能聊天机器人框架,支持语音合成、多模态、可扩展的(Function Call)插件系统。支持一键免费部署私人 ChatGPT/LLM 网页应用程序。

上周一周LobeChat获得了超过4100个star,作为AI的伴生工具,热度上升速度让人侧目。

快速汇总项目支持的特性:

  • GPT 视觉认知
  • TTS & STT 语音会话
  • Function Calling 插件系统
  • 助手市场
  • PWA 渐进式 Web 应用
  • 移动设备适配
  • 主题模式选择

#4 ml-explore / mlx

MLX 是 Apple 芯片上用于机器学习的阵列框架,由 Apple 机器学习研究团队为您提供。

MLX 的一些主要功能包括:

  • 熟悉的 API:MLX 具有紧随 NumPy 的 Python API。 MLX 还拥有功能齐全的 C++ API,它与 Python API 非常相似。 MLX 拥有更高级别的软件包,例如 mlx.nn 和 mlx.optimizers,其 API 紧密遵循 PyTorch,以简化构建更复杂的模型。
  • 可组合函数转换:MLX 支持用于自动微分、自动矢量化和计算图优化的可组合函数转换。
  • 惰性计算:MLX 中的计算是惰性计算。 数组仅在需要时才会具体化。
  • 动态图构建:MLX 中的计算图是动态构建的。 更改函数参数的形状不会触发缓慢的编译,并且调试简单直观。
  • 多设备:操作可以在任何支持的设备上运行(当前是 CPU 和 GPU)。
  • 统一内存:与 MLX 和其他框架的显着区别是统一内存模型。 MLX 中的数组位于共享内存中。 MLX 阵列上的操作可以在任何支持的设备类型上执行,而无需传输数据。

同时,MLX的示例项目,https://github.com/ml-explore/mlx-examples 上周也增长了超过1700star

#5 SuperDuperDB / superduperdb

SuperDuperDB 是一个开源框架,用于将 AI 直接与现有数据库集成,包括流式推理、可扩展模型训练和矢量搜索。

SuperDuperDB 不是数据库。 它将您最喜爱的数据库转变为人工智能开发和部署环境; 可以这样认为 db = superduper(db)。

SuperDuperDB 通过在数据源直接在现有数据基础设施之上集成 AI,消除了复杂的 MLOps 管道、专用矢量数据库以及迁移和复制数据的需要。 这极大地简化了人工智能应用程序的构建和管理:

  • 生成式人工智能和法学硕士聊天
  • 矢量搜索
  • 标准机器学习用例(分类、细分、推荐等)
  • 涉及超专业模型的高度定制人工智能用例
标签: github

本文转载自: https://blog.csdn.net/weixin_64096908/article/details/135031869
版权归原作者 IT咖啡馆 所有, 如有侵权,请联系我们删除。

“GitHub 一周热点汇总 #1 (2023/12/10-12/16)”的评论:

还没有评论