开源最前线(ID:OpenSourceTop) 猿妹整编
链接:https://www.itcodemonkey.com/article/2885.html
本篇文章为大家盘点了3月份GitHub最热门的开源项目,一起来看看你都知道哪些,或者有哪些你已经在使用的了。
https://github.com/CyC2018/Interview-Notebook Star 11975
此项目是作者在准备 2018 年春招实习过程中的学习总结,内容以计算机书籍的学习笔记为主,在整理重点知识的同时会尽量保证知识的系统性。据了解,作者并不打算将这个仓库做成一个大而全的面试宝典,只希望添加一些比较通用的基础知识,或者是与 Java 和分布式相关的内容,但是不添加 Java Web 相关的内容。
目前里面笔记包含《计算机网络 第七版》、《图解 HTTP》、《现代操作系统》和《计算机操作系统》等书籍
https://github.com/chaozh/awesome-blockchain-cn Star 9701
这是一个和区块链相关的项目,此项目收集了所有区块链(BlockChain)技术开发相关资料,包括Fabric和Ethereum开发资料
https://github.com/flutter/flutter Star 20324
这是一个开源的移动应用程序SDK,具有自己的框架,小部件和工具。Google希望Flutter能够在Android、iOS甚至是Google Fuschia等所有平台上构建和部署“漂亮的移动应用”,从而使开发人员更轻松,更有效率。
https://github.com/houshanren/hangzhou_house_knowledge Star 15714
2017年买房经历总结出来的买房购房知识,这一份杭州购房信息,从房产概念、板块知识、地价、配套规划、学区到区域价值分析等,一应俱全。对于只知写代码、不了解房地产的程序员来说,这就是一份“购房宝典”,成了他们买房前参考的重要资料。查看详情可点击:《GitHub上杭州程序员自编的“购房宝典”火了!业内人士都惊呆》
https://github.com/1c7/chinese-independent-developer Star 6812
聚合所有国内独立开发者的项目,里面的项目包含开发者的一些业余项目,诸如网站或App,库中的项目分为三种状态:开发中,已上线以及关闭状态,下图是一些项目列表展示:
https://github.com/Meituan-Dianping/mpvue Star 6705
mpvue 是一款基于 Vue.js 的小程序开发框架,从底层支持 Vue.js 语法和构建工具体系。mpvue 修改了 Vue.js 的 runtime 和 compiler 实现,使其可以运行在小程序环境中,从而为小程序开发引入了整套 Vue.js 开发体验。点击查看详情:《【新开源报道 53】可以用vue开发小程序了!美团开源用 Vue.js 开发小程序的前端框架 mpvue》
https://github.com/pshihn/rough Star 7063
Rough.js 是一个轻量级的(大约8k),基于 Canvas 的可以绘制出粗略的手绘风格的图形库。该库提供绘制线条、曲线、弧线、多边形、圆形和椭圆的基础能力,同时支持绘制 SVG 路径。
https://github.com/kamranahmedse/driver.js Star6606
Driver.js 是一个强大的,轻量级,使用原生 JavaScript 引擎开发的库,用于在页面聚焦用户的关注点。它支持所有主流浏览器,并且可高度自定义。
Driver.js 并不仅仅是一个指南性质的库,其用户场景非常广泛,能够用于任何需要为页面构建浮层的情况,譬如当用户需要与某些元素交互而隐藏其他元素的场景。
https://github.com/atomiks/30-seconds-of-css Star 7206
30 Seconds of CSS是一个精选的代码合集,确保任何人都能够在1分钟内将这些代码部署在网站项目中。
https://github.com/atom/xray Star 6061
Xray 是 Atom 团队开发的一个新的基于 Electron 的文本编辑器 Xray ,目前正处于试验阶段。短期来说(未来三个月内),Xray 会是一个测试平台,开发团队会围绕最初规划好的基础优先事项进行开发和验证,并把一些 Atom 上激进的想法放进去,进行快速迭代,了解设想的系统开发完成需要的时间。之后会慢慢稳定下来,找到更加清晰的未来走向。
https://github.com/tensorflow/tensorflow Star 94373
TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了 2 倍。TensorFlow 内建深度学习的扩展支持,任何能够用计算流图形来表达的计算,都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的自动分 化(auto-differentiation)。通过灵活的 Python 接口,要在 TensorFlow 中表达想法也会很容易。
https://github.com/enocom/gopher-reading-list Star 4619
这是一个关于Go语言的博客推文的阅读列表。它包含了最有用、最相关的材料,这些是所有写Go的人最终都要去阅读的。事实上,这个列表仍然在完善的过程中。
附:
●编号558,输入编号直达本文
●输入m获取文章目录