coDDMaker:分布和共分布 2D 信号分析-开源

coDDMaker 是 MATLAB:registered: App Designer 的软件程序，用于指导分析二维图像中标记对的分布和共同分布。

A/OS:操作系统/32-开源

这是一个为将 16 位版本的编译器进化到 32 位而创建的操作系统。 它源自 VM86 DOS 扩展并成为完整的多任务设备驱动程序。

rotki:投资组合跟踪、分析、会计和税务报告应用程序-开源

一个尊重您隐私的投资组合跟踪、分析、会计和税务报告应用程序

animation-timeline-control:基于画布的 TypeScript 动画时间线编辑器

动画时间线控制 动画时间轴是一个 TypeScript、无依赖的画布组件，旨在可视化和操作动画关键帧。 特征： 快速且可定制，呈现在画布上。 捕捉、缩放、平移模式，多个关键帧选择。 键盘支持。 拖动多个关键帧，拖动关键帧范围。 区域虚拟化 - 仅呈现小的显示区域。 使用本机浏览器滚动条。 带有自动调整刻度的水平刻度。 现场演示 配置 用法 HTML let rows = [ { keyframes : [ { val : 40 , } , { val : 3000 } ] } ] ; let timeline = new timelineModule . Timeline (

NETFLIX_with_React

创建 React 应用程序入门 这个项目是用引导的。 可用脚本 在项目目录中，您可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看。 如果您进行编辑，页面将重新加载。 您还将在控制台中看到任何 lint 错误。 npm test 在交互式观察模式下启动测试运行器。 有关更多信息，请参阅有关的部分。 npm run build 将用于生产的应用程序构建到build文件夹。 它在生产模式下正确地捆绑了 React 并优化了构建以获得最佳性能。 构建被缩小，文件名包括哈希值。 您的应用程序已准备好部署！ 有关更多信息，请参阅有关的部分。 npm run eject 注意：这是一种单向操作。 一旦eject ，就回不去了！ 如果您对构建工具和配置选择不满意，您可以随时eject 。 此命令将从您的项目中删除单个构建依赖项。 相反，它会将所有配置文件和可

codingdobby.github.io:博客主题

简历模板 一个简单的 Jekyll + GitHub Pages 支持的简历模板。 文档 本地运行 要在本地进行测试，请在终端中运行以下命令： 在本地克隆 repo bundle install bundle exec jekyll serve 打开浏览器访问localhost:4000 定制 首先，您需要将 repo 分叉到您自己的帐户。 然后在本地克隆并自定义，或者使用GitHub网页编辑器进行自定义。 选项/配置 大多数基本自定义将在/_config.yml文件中进行。 以下是通过/_config.yml可用的自定义列表： [……把这些写出来……] 编辑内容 大多数内容配置将在/_layouts/resume.html文件中进行。 只需相应地编辑那里的标记 免费发布到 GitHub Pages 将使用您的 GitHub 帐户免费托管此内容。 只需确保您使用的是gh-pag

react-janus-components:包括 Videoroom 在内的 Janus 插件的 React 组件

React Janus 组件 包括 Videoroom 在内的 Janus 插件的 React 组件 该模块的目的是实现与 React 应用程序一起使用的的多个插件。 官方演示中的 janus.js 暂时用作客户端库。 这将在后期转换为节点模块。 更新 npm 包昨天有问题，现在修复了，这个例子应该可以工作 支持的插件 影音室 用法 安装 Janus 服务器，docker 镜像可在 以视频室为例

software-product-sprint-mvp:2021 年夏季软件产品 Sprint 团队 32 的项目 MVP

软件-产品-sprint-mvp 2021 年夏季软件产品 Sprint 团队 32 的项目 MVP。

zcapld:关联数据功能参考实现

zcapld (@digitalbazaar/zcapld) Javascript 参考实现。 目录 背景 去做 安全 待定 安装 需要 Node.js 12+。 从 NPM 安装： npm install @digitalbazaar/zcapld 在本地安装（用于开发）： git clone https://github.com/digitalbazaar/zcapld.git cd zcapld npm install 用法 待定 贡献 查看贡献文件！ 接受 PR。 如果编辑自述文件，请遵守标准自述文件规范。 商业支持 可向 Digital Bazaar 索取对该图书馆的商业支持： support@digitalbazaar.com 执照 新 BSD 许可证（3 条） :copyright: Digital Bazaar

bluefog:PyTorch over graph 的分布式和去中心化训练框架

蓝雾 BlueFog 是一个高性能的分布式训练框架，采用分散优化算法构建。 Bluefog 的目标是使去中心化算法易于使用、容错、对异构环境友好，甚至比使用参数服务器或 ring-allreduce 构建的训练框架更快。 表现 下面的图表代表了在 ResNet50 基准上完成的 BlueFog 的性能。 每台机器有 8 个 V100 GPU（64GB 内存），启用 NVLink，互连通信速度为 25Gbps。 这与您可以在获得的硬件设置相同。 我们测试了计算密集型场景的批量大小为 64 和通信密集型场景的批量大小为 32 的扩展效率。 在图中，黑框代表理想的线性缩放。 据观察，Bluefog 可以实现超过 95% 的扩展效率，而 Horovod 在 128 个 GPU 上以 64 的批量大小达到约 66% 的扩展效率。 对于批量大小为 32 的通信密集型场景，Bluefog 和 Hor