Docker 镜像优化工具,轻松完成构件瘦身 | 开源日报 No.158

wagoodman/dive

Stars: 41.7k License: MIT

dive 是一个用于探索 Docker 镜像、层内容,并发现如何缩小 Docker/OCI 镜像大小的工具。

  • 显示按层分解的 Docker 镜像内容
  • 指示每个层中发生了什么变化
  • 估算"镜像效率"
  • 快速构建/分析周期
  • CI 集成
  • 支持多种镜像来源和容器引擎安装方法,包括 Ubuntu/Debian、RHEL/Centos、Arch Linux 等,以及 Mac 和 Windows 平台。同时也支持通过 Go 工具进行安装。

ethen8181/machine-learning

Stars: 3.0k License: MIT

machine-learning 是一个持续更新的开源项目,主要用 Python3 编写机器学习教程。 该项目解决了如何以 Jupyter Notebook 格式介绍机器学习内容的问题。

  • 主要功能包括深度学习、模型部署、运筹研究、强化学习等多个方向的教程。
  • 核心优势在于其内容旨在实现数学符号与 Python 科研栈(包括 numpy, numba, scipy, pandas, matplotlib 等)之间良好平衡,并使用诸如 scikit-learn,fasttext,huggingface 等开源库。
  • 重点特性有对各种算法和技术进行详尽讲解,并提供大量实例代码。例如:深度神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络 (LSTM) 以及 Word2vec 等。

facebookresearch/habitat-sim

Stars: 2.2k License: MIT

habitat-sim 是一个灵活、高性能的三维模拟器,用于体验式人工智能研究。 该项目的主要功能、关键特性和核心优势包括:

  • 支持室内/室外空间的 3D 扫描
  • 支持 CAD 模型和分段刚体对象
  • 可配置传感器(RGB-D 相机、自我运动感知)
  • 通过 URDF 描述机器人
  • 刚体力学(通过 Bullet 实现)

该项目旨在提供快速模拟速度,并通常与 Habitat-Lab 一起使用,后者是一个端到端实验库,用于进行体验式人工智能任务。

QwenLM/Qwen

Stars: 8.2k License: Apache-2.0

Qwen 是由阿里云提出的聊天和预训练大型语言模型的官方存储库。 该项目主要功能、关键特性、核心优势包括:

  • 提供了强大的基础语言模型,覆盖多个领域和语言(重点是中文和英文),在基准数据集上表现出竞争力
  • 提供了与人类偏好对齐的聊天模型,能够进行对话、创作内容、提取信息等,并且能够使用工具或扮演代理人角色
  • 支持不同规模的预训练模型,并提供量化版本以及推理性能统计等详细信息
  • 提供了快速入门指南、微调教程以及部署说明等相关资源
  • 在一系列基准数据集上,Qwen 模型在自然语言理解、数学问题求解等任务上表现优异,超过了类似规模基线模型。

openobserve/openobserve

Stars: 7.8k License: AGPL-3.0

osguider.oss-cn-guangzhou.aliyuncs.com/subject/ceb...

openobserve 是一个云原生的可观测性平台,专门用于日志、指标、跟踪、分析和实时用户监控(RUM),设计用于 PB 级别的规模。 该项目主要功能、关键特性和核心优势包括:

  • 提供全面支持各种数据类型的日志、指标和跟踪
  • 完全兼容 OTLP 以支持开放遥测
  • 包括性能追踪、错误记录和会话重播等真实用户监控功能
  • 具备超过 14 种不同图表类型进行综合数据可视化的警报与仪表板功能
  • 支持高级摄取与查询函数,如丰富化处理,剔除敏感信息,并提供 SQL 和 PromQL 查询支持等

此外还有易安装运行单一二进制文件;多样存储选项;高可用集群;动态架构适应数据结构变更;内置认证机制及多语言界面支持。

OpenDriveLab/UniAD

Stars: 1.9k License: Apache-2.0

Planning-oriented Autonomous Driving 是一个统一的自动驾驶算法框架,遵循规划导向的理念。与独立模块化设计和多任务学习不同,该项目将感知、预测和规划等一系列任务按层次进行组织。

以下是该项目的核心优势:

  • 规划导向哲学:UniAD 遵循了以规划为中心的思想,在自动驾驶领域提供了一个统一且高效的解决方案。
  • 最先进性能:UniAD 在所有任务上都取得了最先进水平 (运动:0.71m minADE,占用率:63.4% IoU,规划:0.31% avg.Col)。

关键特性包括:

  • 统一框架:通过整合各个子系统,并采用分级方式处理感知、预测和规划等多项任务。
  • SOTA 性能表现:在每个阶段内部实现业界领先水平,并尤其擅长于预测和路径规则两大主要功能。
相关推荐
程序员岳焱9 分钟前
Java 与 MySQL 性能优化:MySQL 慢 SQL 诊断与分析方法详解
后端·sql·mysql
独立开阀者_FwtCoder9 分钟前
Cursor 1.0 重磅发来袭(毛骨悚然,开始学习你如何编码)
前端·javascript·github
几道之旅10 分钟前
gitcode与github加速计划
github·gitcode
龚思凯14 分钟前
Node.js 模块导入语法变革全解析
后端·node.js
天行健的回响17 分钟前
枚举在实际开发中的使用小Tips
后端
wuhunyu23 分钟前
基于 langchain4j 的简易 RAG
后端
techzhi23 分钟前
SeaweedFS S3 Spring Boot Starter
java·spring boot·后端
写bug写bug1 小时前
手把手教你使用JConsole
java·后端·程序员
苏三说技术2 小时前
给你1亿的Redis key,如何高效统计?
后端
JohnYan2 小时前
工作笔记- 记一次MySQL数据移植表空间错误排除
数据库·后端·mysql