开源项目热榜第37期（20210529）
LBANN 通过领域分解提供模型并行加速，以优化网络训练的强大扩展性。它还允许将模型并行性与数据并行性和集合训练方法结合起来，用大量的数据训练大型神经网络。除了传统的监督学习之外，LBANN 还支持最先进的训练算法，如无监督、自监督和对抗性（GAN）训练方法。——出自《LBANN》
最新文章
开源项目热榜第35期（20210515）
Smile 是一个快速而全面的机器学习、NLP、线性代数、图形、插值和可视化系统，采用 Java 和 Scala。通过先进的数据结构和算法，Smile 提供了先进的性能。——出自《Smile》
开源项目热榜第32期（20210424）
当涉及到较大的实际应用时，Solid 在组件上几乎没有开销（更像是一个 VDOM 库，而不是一个 Reactive 库）。因此，它的扩展性非常好。Solid 的编译器在管理摇树优化方面做得很好，它的代码库和渲染器一样建立在强大的原语基础上，使得运行时很小，并且完全可伸缩。——出自《Solid UI Library》
开源项目热榜第31期（20210417）
Core 的主要职责是在连接的智能手机应用程序和车辆 HMI 之间路由消息。它可以通过各种传输协议将智能手机连接到车辆的头部单元。一旦建立了连接，Core 就会发现兼容的应用程序，并将其显示给驾驶员，以便通过语音或显示屏进行交互。——出自《SmartDeviceLink (SDL)》
开源项目热榜第25期（20210306）
Schema Registry被设计为使用单主架构的分布式服务。在这种配置中，任何时刻最多只有一个Schema Registry实例是主服务（忽略病态的 "僵尸主服务"）。只有主节点能够向底层Kafka日志发布写入，但所有节点都能够直接服务于读请求。——出自《Schema Registry》
开源项目热榜第22期（20210213）
微前端是你的 UI 的一部分，通常由几十个组件组成，它们使用 React、Vue 和 Angular 等框架来渲染它们的组件。每个微前端可以由不同的团队管理，并可能使用自己的框架来实现。每个微前端都有自己的 git 仓库，自己的 package.json 文件和自己的构建工具配置。这意味着每个 repo 都有快速的构建时间。——出自《single-spa》
开源项目热榜第21期（20210206）
理解你说话时从舌头上滚落的单词的含义，或者你打字时用指尖敲出的单词的意思，是人工智能研究人员面临的最大技术挑战之一。但这是一个必不可少的需求。对智能手机和小型电脑的支持将 fastText 的可访问性扩展到了更大的社区和更多的应用范围。——出自《fastText》
开源项目热榜第16期（20210102）
Firebird 的一个特殊功能是它的 "多代架构"，它允许引擎在任何时候处理同一物理记录的不同版本，"读者不阻挡写者，写者不阻挡读者"。这就保证了 OLTP 以及 OLAP 的运行。—— 出自《Firebird》
开源项目热榜第14期（20201219）
科学告诉我们，我们有两个大脑系统：系统1用于毫不费力的活动，比如在空旷的道路上驾驶汽车，而系统2则是为了复杂和有意识的操作，比如解数学方程式。为系统1设计你的测试，当看到测试代码时，应该感觉就像修改一个HTML文档一样简单，而不是像解2(17×24)一样。—— 出自《JavaScript & Node.js Testing Best Practices》
开源项目热榜第13期（20201212）
配置桌面布局的最好方法是不用去做。Material Shell 追踪每一个与桌面布局相关的决定：窗口在哪里，在哪些工作空间中以何种顺序排列。这允许在使用时配置布局。—— 出自《Material Shell》
开源项目热榜第12期（20201205）
我们满脑子里都是主要的生产代码，没有多余的空间来处理额外的复杂性。如果我们试图在我们可怜的大脑中塞入另一个具有挑战性的代码，这将会拖慢团队的工作速度，这与我们进行测试的原因背道而驰。实际上，这就是许多团队放弃测试的原因。—— 出自《JavaScript & Node.js Testing Best Practices》
