| 1 |
gpt_academic |
About 为ChatGPT/GLM提供实用化交互界面，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm2等本地模型。兼容文心一言, moss, llama2, rwkv, claude2, 通义千问, 书生, 讯飞星火等。 |
| 2 |
ddddocr |
通用验证码识别OCR pypi版.算法非深度神经网络实现，仅使用opencv和PIL完成。 |
| 3 |
bokeh |
Python 中的交互式可视化库。Bokeh提供的最佳功能是针对现代 Web 浏览器进行演示的高度交互式图形和绘图。Bokeh 帮助我们制作出优雅、简洁的图表，其中包含各种图表。。Bokeh 的目标是使用 D3.js 样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。Boken 可以快速的创建交互式的绘图，仪表盘和数据应用。Bokeh 主要侧重于将数据源转换为 JSON 格式，然后用作 BokehJS 的输入。Bokeh的一些最佳功能是： 灵活性： Bokeh 也为复杂的用例提供简单的图表和海关图表。 功能强： Bokeh 具有易于兼容的特性，可以与 Pandas 和 Jupyter 笔记本一起使用。 样式： 我们可以控制图表，我们可以使用自定义 Javascript 轻松修改图表。 开源： Bokeh 提供了大量的示例和想法，并在 Berkeley Source Distribution (BSD) 许可下分发。 使用Bokeh，我们可以轻松地将大数据可视化并以吸引人的优雅方式创建不同的图表。 在哪使用 Bokeh 图 有很多可视化库，为什么我们只需要使用Bokeh？我们可以使用 Bokeh 库在网页上嵌入图表。使用Bokeh，我们可以将图表嵌入网络、制作实时仪表板和应用程序。Bokeh 为图表提供了自己的样式选项和小部件。这是使用 Flask 或 Django 在网站上嵌入Bokeh图的优势。 |
| 4 |
Awesome-Chinese-LLM |
整理开源的中文大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等。 |
| 5 |
Ghost |
一款基于 Node.js 发的内容创作平台。它专注于博客领域, 提供了一套易用、高效的工具,帮助用户轻松构建和管理博客网站。 与其他复杂的CMS比,Ghost 加注重用户体验和内容创作本身, 简化了繁琐的操作,让用户专注于写作。，它完全支持Markdown，并提供易于使用的Web界面以进行管理。 |
| 6 |
streamlit |
一个基于 Python 的 Web 应用程序框架，致力于以更高效、更灵活的方式可视化数据，并分析结果。 Streamlit是一个开源库，可以帮助数据科学家和学者在短时间内开发机器学习 (ML) 可视化仪表板。只需几行代码，我们就可以构建并部署强大的数据应用程序。 为什么选择Streamlit？ 目前，应用程序需求量巨大，开发人员需要一直开发新的库和框架，帮助构建并部署快速上手的仪表板。Streamlit 是一个库，可将仪表板的开发时间从几天缩短至几小时。以下是选择 Streamlit 的原因： 1. Streamlit是一个免费的开源库。 2. 和安装其他python 包一样， Streamlit的安装非常简单。 3. Streamlit学起来很容易，无需要任何 Web 开发经验，只需对 Python 有基本的了解，就足以构建数据应用程序。 4. Streamlit与大部分机器学习框架兼容，包括 Tensorflow 和 Pytorch、Scikit-learn 和可视化库，如 Seaborn、Altair、Plotly 等。Streamlit可以让开发人员能够以快速、简便的方式构建出功能强大且具有交互性的应用程序，从而更好地与数据进行互动和沟通。使用 Streamlit 构建应用程序不需要具备深入的前端开发知识，因为Streamlit 的设计目标之一就是让数据科学家、分析师和其他非前端开发人员能够轻松地创建交互式应用程序，而无需过多关注复杂的前端技术。 |
| 7 |
the-book-of-secret-knowledge |
这个项目汇集了各种有趣和实用的技术资源，旨在为技术爱好者提供灵感和知识。这个独特的存储库汇集了许多用于web开发、DevOps、网络、系统管理和安全的资源、工具和技巧。 |
