Star 660 Watch 9 Fork 57
元气贪吃蛇游戏。作者受到元气骑士的启发,基于贪吃蛇进行一些玩法上的创新。该项目适用于 C 语言初学者、第一次尝试使用跨平台图形库的同学,参考本项目就可以写出一个可玩性高的游戏,收获满满成就感
Star 233 Watch 12 Fork 39
一个跨平台、简单易用的非阻塞 IO 事件循环库。用它可以快速的编写 HTTP 客户端/服务端,可提供高性能的 httpd 服务。项目模块划分清晰,代码可读性高,快去看下源代码吧。示例代码:
#include "HttpServer.h" int http_api_echo(HttpRequest* req, HttpResponse* res) { res->body = req->body; return 0; } int main() { HttpService service; service.base_url = "/v1/api"; service.AddApi("/echo", HTTP_POST, http_api_echo); http_server_t server; server.port = 8080; server.service = &service; http_server_run(&server); return 0; }3. myscan
Star 6 Watch 1 Fork 3 中文
开源的多线程 socket 扫描 IP 端口的程序。目前仅支持 Windows 系统,代码简单可作为初学者学习项目
命令: myscan -p Port1[,Port2,Port3...] [-t Thread](default 10) [-d] (DEBUG) StartIp EndIp 例子: myscan -p 80 192.168.1.1 192.168.1.254 myscan -p 21,22,23,80,443,8080 -t 256 192.168.1.1 192.168.1.254
Star 17 Watch 4 Fork 3
一个使用 C++ 17 开发的终端模拟器。可在 Windows、Linux 和 MacOS 三大平台使用,支持字体连字 Font Ligatures(例如 Fira Code 字体)、GPU 加速渲染、背景模糊(Win10、KDE)、256 色、True Color 和配色主题
Star 2.9k Watch 86 Fork 414 中文
一款开源的、针对海量特征向量的相似性搜索引擎。相比 Faiss 和 SPTAG 这样的算子库,Milvus 提供完整的向量数据更新,索引与查询框架。Milvus 利用 GPU 进行索引加速与查询加速,能大幅提高单机性能。部署使用简单,降低了 AI 应用落地的难度
Star 3.8k Watch 101 Fork 224
展示当前系统运行了那些 Go 程序的工具,同时支持深入分析的参数
# 展示当前运行的所有 Go 程序 $ gops 983 980 uplink-soecks go1.9 /usr/local/bin/uplink-soecks 52697 52695 gops go1.10 /Users/jbd/bin/gops 4132 4130 foops * go1.9 /Users/jbd/bin/foops 51130 51128 gocode go1.9.2 /Users/jbd/bin/gocode # 某一个 Go 程序的详细信息 $ gops <pid> parent PID: 5985 threads: 27 memory usage: 0.199% cpu usage: 0.139% username: jbd cmd+args: /Applications/Splice.app/Contents/Resources/Splice Helper.app/Contents/MacOS/Splice Helper -pid 5985 local/remote: 127.0.0.1:56765 <-> :0 (LISTEN) local/remote: 127.0.0.1:56765 <-> 127.0.0.1:50955 (ESTABLISHED) local/remote: 100.76.175.164:52353 <-> 54.241.191.232:443 (ESTABLISHED)8. awesome-golang-leetcode
Star 2.1k Watch 11 Fork 75 中文
Go 语言刷 LeetCode。 在线阅读
9. wtfStar 11.2k Watch 158 Fork 619
瞥一眼你的“私人管家”,终端个人信息面板。安装简单,还可通过配置文件设置你想看到的信息。设置可能需要花一些时间,但最终效果还是很可以的
Star 238 Watch 27 Fork 75
一款开源的 Java 桌面版音乐播放器,使用 JavaFX/Java 8 技术开发的项目
Star 33 Watch 8 Fork 7 中文
Kafka 集群管理维护、生产消费监控平台
Star 3.6k Watch 221 Fork 1.1k 中文
分布式易扩展的可视化 DAG 工作流任务调度系统。致力于解决数据处理流程中错综复杂的依赖关系,使调度系统在数据处理流程中开箱即用
Star 9.3k Watch 259 Fork 824 中文
一套面向常规统计图表,以数据驱动的高交互可视化图形语法,具有高度的易用性和扩展性。使用 G2,你可以无需关注图表各种繁琐的实现细节,一条语句即可使用 Canvas 或 SVG 构建出各种各样的可交互的统计图表。G2 是整个蚂蚁金服 AntV 可视化解决方案中的一个环节,主要针对在高交互、高扩展的二维统计图表
Star 2.0k Watch 22 Fork 123
Git 交互式客户端,方便在提交信息中增加 emoji 表情。终于知道别人的提交信息为什么会有表情了,效果如下图:
Star 1.1k Watch 46 Fork 180
基于 WebGL 的全景查看库。效果如下:
Star 811 Watch 7 Fork 25 中文
Python 语言写的支持自动补全、语法高亮、命令提示等的 Redis 命令行客户端。超好用,真是相见很晚啊
Star 3.0k Watch 129 Fork 656 中文
Python 有趣、实用的代码示例集合。包含:Python 基础、小技巧、坑、文件操作、机器学习、绘图等,代码如下:
# pyecharts 绘制水球图示例 from pyecharts import options as opts from pyecharts.charts import Liquid, Page from pyecharts.globals import SymbolType def liquid() -> Liquid: c = ( Liquid() .add("lq", [0.67, 0.30, 0.15]) .set_global_opts(title_opts=opts.TitleOpts(title="Liquid")) ) return c liquid().render('./img/liquid.html')
Star 4.2k Watch 68 Fork 251
使用简单方便,轻松实现异步请求的 HTTP 客户端(Python 3.8+)。示例代码:
>>> import httpx # 同步 >>> r = httpx.get('https://www.example.org/') >>> r <Response [200 OK]> >>> r.status_code # 异步 >>> async with httpx.AsyncClient() as client: >>> r = await client.get('https://www.example.org/') >>> r <Response [200 OK]>20. rssant
Star 3.1k Watch 234 Fork 1.1k 中文
开源免费、不限制商业使用的社区网站系统
Star 14.9k Watch 443 Fork 3.8k
一个 Git 命令可视化学习项目。能够生动形象的帮助开发人员理解、学习 Git 命令,通过一系列刺激的关卡挑战,逐步深入的学习 Git 的强大功能。 在线尝试
Star 2.5k Watch 106 Fork 544 中文
采用追问形式的后端面试问题总结。提问然后追问是面试常见模式,更加贴近真实面试
24. fucking-algorithmStar 14.0k Watch 404 Fork 2.2k 中文
解 LeetCode 题目集合。号称“手撕 LeetCode 题目”,虽然之前推荐过不少解题集合,但是这次我还是没忍住。该项目讲究思路指南,解题思路描述清晰,真香啊
25. browser-2020Star 6.6k Watch 157 Fork 151
该项目汇集了浏览器鲜为人知的一些功能
Star 6.8k Watch 298 Fork 1.1k
Keras 官方出品基于 Keras 的 AutoML 系统。支持 CPU 和 GPU 训练,傻瓜式 API,3 行代码就能训练一个模型。目前支持的任务:图像分类、图像回归、文本分类、结构化数据分类等。将人从手工选择超参数中解放出来,快速开发原型,官方口号“所有人都能使用机器学习”, 官网
# 安装命令 pip install autokeras import autokeras as ak clf = ak.ImageClassifier() clf.fit(x_train, y_train) results = clf.predict(x_test)
我来评几句
登录后评论已发表评论数()