Docker 镜像优化东西,轻松完结构件减肥 | 开源日报 No.158

wagoodman/dive

Stars: 41.7k License: MIT

Docker 镜像优化东西,轻松完结构件减肥 | 开源日报 No.158

dive 是一个用于探索 Docker 镜像、层内容,并发现怎么缩小 Docker/OCI 镜像巨细的东西。

  • 显现按层分解的 Docker 镜像内容
  • 指示每个层中发生了什么改变
  • 估算“镜像效率”
  • 快速构建/剖析周期
  • CI 集成
  • 支撑多种镜像来源和容器引擎安装办法,包含 Ubuntu/Debian、RHEL/Centos、Arch Linux 等,以及 Mac 和 Windows 平台。同时也支撑经过 Go 东西进行安装。

ethen8181/machine-learning

Stars: 3.0k License: MIT

machine-learning 是一个继续更新的开源项目,主要用 Python3 编写机器学习教程。 该项目处理了怎么以 Jupyter Notebook 格式介绍机器学习内容的问题。

  • 主要功能包含深度学习、模型布置、运筹研讨、强化学习等多个方向的教程。
  • 中心优势在于其内容旨在完成数学符号与 Python 科研栈(包含 numpy, numba, scipy, pandas, matplotlib 等)之间杰出平衡,并运用比如 scikit-learn,fasttext,huggingface 等开源库。
  • 重点特性有对各种算法和技术进行翔实讲解,并供给很多实例代码。例如:深度神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络 (LSTM) 以及 Word2vec 等。

facebookresearch/habitat-sim

Stars: 2.2k License: MIT

Docker 镜像优化东西,轻松完结构件减肥 | 开源日报 No.158

habitat-sim 是一个灵活、高性能的三维模拟器,用于体验式人工智能研讨。 该项目的主要功能、关键特性和中心优势包含:

  • 支撑室内/室外空间的 3D 扫描
  • 支撑 CAD 模型和分段刚体目标
  • 可装备传感器(RGB-D 相机、自我运动感知)
  • 经过 URDF 描述机器人
  • 刚体力学(经过 Bullet 完成)

该项目旨在供给快速模拟速度,并通常与 Habitat-Lab 一同运用,后者是一个端到端实验库,用于进行体验式人工智能使命。

QwenLM/Qwen

Stars: 8.2k License: Apache-2.0

Docker 镜像优化东西,轻松完结构件减肥 | 开源日报 No.158

Qwen 是由阿里云提出的聊天和预练习大型言语模型的官方存储库。 该项目主要功能、关键特性、中心优势包含:

  • 供给了强壮的基础言语模型,覆盖多个范畴和言语(重点是中文和英文),在基准数据集上体现出竞争力
  • 供给了与人类偏好对齐的聊天模型,能够进行对话、创作内容、提取信息等,并且能够运用东西或扮演代理人角色
  • 支撑不同规模的预练习模型,并供给量化版本以及推理性能统计等详细信息
  • 供给了快速入门指南、微调教程以及布置阐明等相关资源
  • 在一系列基准数据集上,Qwen 模型在自然言语了解、数学问题求解等使命上体现优异,超越了类似规模基线模型。

openobserve/openobserve

Stars: 7.8k License: AGPL-3.0

osguider.oss-cn-guangzhou.aliyuncs.com/subject/ceb…

openobserve 是一个云原生的可观测性平台,专门用于日志、目标、盯梢、剖析和实时用户监控(RUM),规划用于 PB 级别的规模。 该项目主要功能、关键特性和中心优势包含:

  • 供给全面支撑各种数据类型的日志、目标和盯梢
  • 完全兼容 OTLP 以支撑开放遥测
  • 包含性能追踪、错误记载和会话重播等真实用户监控功能
  • 具有超越 14 种不同图表类型进行综合数据可视化的警报与仪表板功能
  • 支撑高档摄取与查询函数,如丰富化处理,除掉敏感信息,并供给 SQL 和 PromQL 查询支撑等

此外还有易安装运行单一二进制文件;多样存储选项;高可用集群;动态架构适应数据结构变更;内置认证机制及多言语界面支撑。

OpenDriveLab/UniAD

Stars: 1.9k License: Apache-2.0

Docker 镜像优化东西,轻松完结构件减肥 | 开源日报 No.158

Planning-oriented Autonomous Driving 是一个一致的自动驾驶算法结构,遵从规划导向的理念。与独立模块化规划和多使命学习不同,该项目将感知、预测和规划等一系列使命按层次进行安排。

以下是该项目的中心优势:

  • 规划导向哲学:UniAD 遵从了以规划为中心的思维,在自动驾驶范畴供给了一个一致且高效的处理方案。
  • 最先进性能:UniAD 在所有使命上都取得了最先进水平 (运动:0.71m minADE,占用率:63.4% IoU,规划:0.31% avg.Col)。

关键特性包含:

  • 一致结构:经过整合各个子系统,并采用分级方式处理感知、预测和规划等多项使命。
  • SOTA 性能体现:在每个阶段内部完成业界领先水平,并特别擅长于预测和途径规矩两大主要功能。