1.免费供开发者使用
API、数据和机器学习
- IPQuery — 为开发人员提供无限的 IP API，没有速率限制或定价。
2. 很棒的纤维
🛠️ 工具 / 🌱 第三方
- 阿里巴巴/opentelemetry-go-auto-instrumentation (⭐470) – 一种无需使用 OpenTelemetry API 更改任何代码即可监控光纤应用的工具。
3. 很棒的语言学
平台和工具包
- tyo (⭐0) – 用于查找拼写错误桥的实用程序。
4. 很棒的Cpp
人工智能
- Txeo (⭐35) – TensorFlow 的现代 C++ 包装器。 [阿帕奇]
5. 很棒的角度
HTTP/ Google 开发专家
- ngx-http-helper (⭐1) – 一个轻量级库，可轻松调用 API 并在每个标头请求上添加 JWT 令牌或 API 密钥。
集成/ Google 开发者专家
- ngx-pocketbase (⭐3) – PocketBase Angular SDK，用于与PocketBase API交互。基于PocketBase JavaScript SDK (⭐2.3k) 。
未指定/ Google 开发者专家
- bryntum – 用于日历、甘特图、看板和日程安排的世界级 Web 组件。
6. 很棒的 Agi Cocosci
贝叶斯建模/贝叶斯优化
- 机器学习算法的实用贝叶斯优化– NeurIPS’12，2012 。[所有版本]。机器学习算法的使用经常涉及对学习参数和模型超参数的仔细调整。不幸的是，这种调整通常是一种“黑魔法”，需要专家经验、经验法则，有时甚至需要强力搜索。因此，对于能够优化任何给定学习算法针对当前问题的性能的自动方法具有很大的吸引力。这项工作通过贝叶斯优化的框架来考虑这个问题，其中学习算法的泛化性能被建模为来自高斯过程（GP）的样本。作者表明，针对 GP 性质的某些选择（例如内核类型及其超参数的处理）可以在获得能够实现专家级性能的良好优化器方面发挥至关重要的作用。作者描述了新算法，该算法考虑了学习算法实验的可变成本（持续时间），并且可以利用多个核心的存在进行并行实验。这些提出的算法改进了以前的自动程序，并且可以达到或超越许多算法的人类专家级优化，包括潜在狄利克雷分配、结构化支持向量机和卷积神经网络。