知識星球
2 月份 GitHub 上最熱門的開源專案又出爐了，又有哪些新的專案擠進熱門榜單了呢，一起來看看。
1、nocode
https://github.com/kelseyhightower/nocode Star 16256
這是 2 月份新出爐的專案，可以說是 2018 年最火的佛系程式設計了，這個專案裡面沒有一行程式碼，它的 description 是這樣的：The best way to write secure and reliable applications. Write nothing; deploy nowhere. 有網友把它翻譯成中文版為：要安全，要可靠，最好的方式就是不用一行程式碼，部署整個世界。就是這樣一個愚人的專案，在 Github Trending List 上佔據了好幾天榜首，如今已經有 16256 個 Star
2、tensorflow
https://github.com/tensorflow/tensorflow Star 90603
TensorFlow 是谷歌的第二代機器學習系統，按照谷歌所說，在某些基準測試中，TensorFlow 的表現比第一代的 DistBelief 快了 2 倍。TensorFlow 內建深度學習的擴充套件支援，任何能夠用計算流圖形來表達的計算，都可以使用 TensorFlow。任何基於梯度的機器學習演演算法都能夠受益於 TensorFlow 的自動分 化（auto-differentiation）。透過靈活的 Python 介面，要在 TensorFlow 中表達想法也會很容易。
3、front-end-interview-handbook
https://github.com/yangshun/front-end-interview-handbook Star 9772
與其他軟體工程師不同的是，前端求職面試對演演算法的重視程度更低，並且在該領域的知識更多的集中在 Html、CSS、JavaScript 等幾個方面，雖然網上也有一些資源可以幫助前端開發人員準備面試，但他們並不像軟體工程師面試材料那麼豐富，front-end-interview-handbook 就是專門為前端求職者準備面試問題和答案。
4、內容感知影象壓縮/拓展庫caire
https://github.com/esimov/caire Star 7637
Caire 是基於論文《Seam Carving for Content-Aware Image Resizing》（影象伸縮變換演演算法）實現的一個內容感知影象 (尺寸) 壓縮/擴充套件庫。已有特性如下：
-
支援自定義命令列
-
支援縮小/放大影象
-
可垂直/水平地調整影象大小
-
可調整目錄中的所有影象的大小
-
不需要任何第三方庫
-
使用 sobel 閾值進行微調
-
使用模糊濾鏡來增強邊緣檢測
效果圖：
5、資料結構庫Automerge
https://github.com/automerge/automerge Star 4895
Automerge 是一個用於在 JavaScript 中構建協作應用程式的資料結構庫。建 JavaScript 應用程式的常用方法是將應用程式的狀態儲存在模型物件中，例如 JSON 檔案。具有如下特點和設計原則：
網路不可知論者。Automerge 是一個純粹的資料結構庫，不關心你使用的是什麼型別的網路。
不變的狀態。Automerge 物件在某個時間點是應用程式狀態的不可變快照。無論何時進行更改，或者合併來自網路的更改，都會傳回一個反映該更改的新狀態物件。
自動合併。Automerge 是所謂的無衝突複製資料型別（CRDT），它允許在不需要任何中央伺服器的情況下自動合併不同裝置上的併發更改。
相當便捷。已經在 Node.js，Chrome，Firefox 和 Electron 上測試了 Automerge 。
6、developer-roadmap
https://github.com/kamranahmedse/developer-roadmap Star 42978
這是一組使用 Balsamiq 建造的網路開發者的路線圖，如前端路線圖如下：
涵蓋所有前端熱門的框架、語言等重要且熱門的知識點。
7、FastPhotoStyle
https://github.com/NVIDIA/FastPhotoStyle Star5978
FastPhotoStyle 是英偉達開源的照片風格轉移深度學習演演算法實現庫，給定標的照片和樣式參考照片，程式碼可以將樣式照片的風格轉換至標的照片，從而生成新的風格化照片。
FastPhotoStyle 實現過程包含兩個步驟：“風格化”和“細調”。 先將樣式參考照片源的樣式轉移至標的照片，隨後對其進行細調最佳化。
效果圖：
8、Back-End-Developer-Interview-Questions
https://github.com/arialdomartini/Back-End-Developer-Interview-Questions Star 6686
前面提到的是前端面試相關的開源專案，而這一個則是後端開發人員的面試大全，裡面涵蓋的問題大多都是開放式的，其中一些問題甚至沒有答案，但是它們恰恰是最能體現個人能力的一些問題。目前該專案的問題共分為 18 個型別，包括程式碼設計問題、資料庫問題、程式碼版本問題、分散式系統問題等
9、Java元件服務框架 Carbon
https://github.com/dawnlabs/carbon Star 7585
Carbon 是一個輕量級的元件模型與企業級的服務框架。Carbon 是在以下原則上進行構建:建立一個更加靈活的框架透過一個分離,以元資料為中心的系統,鼓勵關係的分離,從而使得程式碼在一個複雜,動態的操作環境中更容易維護與重覆利用等.
10、awesome-scalability
https://github.com/binhnguyennus/awesome-scalability Star 7795
該專案提供了大量精選的閱讀材料，旨在幫助後臺開發者們能夠藉助專案中各個文獻的思路做出一個具有延展性，可用性，穩定性的後臺。這個概念雖然模糊，但是藉由著名工程師（Martin Fowler，Robert C. Martin，Tom White等）和高質量資源（highscalability.com，infoq.com等）的詮釋，相信大家能從中理解並學到有用的東西。
專案涵蓋各個方面。主要分為原則、可擴充套件性、穩定性、其他方面、會談、圖書七個板塊。包括了異常處理，資料庫策略等內容。
11、android-ktx
https://github.com/android/android-ktx Star 4529
ndroid KTX 是一組擴充套件程式，它能使 Android 上的 Kotlin 程式碼更簡潔，從而提高開發者的程式設計體驗。Android KTX 中支援 Android 框架的部分現在可在 GitHub 庫中找到，Android KTX 究竟做了哪些方面的最佳化呢？比如：
字串轉換為 URI，Android KTX 會為字串新增一個擴充套件函式，使字串更加自然地轉換為 URI。
編輯 SharedPreferences，使用 Android KTX 後，程式碼稍微短些，能更自然地讀取和寫入。
平移路徑差異
在檢視onPreDraw 的動作
12、deepfake 的深度學習技術 Facewap
https://github.com/deepfakes/faceswap Star 4009
deepfake 的深度學習技術，這款工具本來的用途是用來識別和交換圖片、影片中人物臉部影象的工具 。該專案有多個入口，你需要做的事：
收集照片（或使用以下訓練資料中提供的照片）
從原始照片中提取面部影象
在照片上訓練模型（或使用以下訓練資料中提供的模型）
使用模型轉換原始碼
來源：開源最前線
精彩活動
推薦閱讀
2017年資料視覺化的七大趨勢！
全球100款大資料工具彙總（前50款）
Q: 還有哪些你看好的開源專案？
歡迎留言與大家分享
請把這篇文章分享給你的朋友
轉載 / 投稿請聯絡：hzzy@hzbook.com
更多精彩文章，請在公眾號後臺點選“歷史文章”檢視
