AI已经是大趋势，不搞点人工智能就太落伍了，学习永无止境！
目录
TensorFlow
有用的链接
Apache SystemML
有用的链接
Caffe
Caffe的优点
有用的链接
Apache Mahout
功能/应用
有用的链接
OpenNN
数据集
数学模型
数据集和数学模型
有用的链接
Torch
有用的链接
Neuroph
有用的链接
Deeplearning4j
特征
库：
Mycroft
OpenCog
有用的链接
一个用于机器智能的开源软件库。
TensorFlow™是一个开源软件库，最初由研究Google Brain Team的研究人员和工程师开发。TensorFlow用于使用数据流图进行数值计算。图中的节点表示数学运算，而图表边表示在它们之间传递的多维数据阵列（张量）。灵活的体系结构允许您使用单个API将计算部署到桌面，服务器或移动设备中的一个或多个CPU或GPU。
TensorFlow中的中央数据单位是张量。张量由一组原始值组成，这些原始值被整形为任意数量维度的数组。张量的等级是它的维数。
一些使用张量流的Google应用程序是：
RankBrain：在上大规模部署深度神经网络，用于搜索排名
初始图像分类模型：基准模型和对高精度计算机视觉模型的后续研究，从赢得2014年Imagenet图像分类挑战的模型开始
SmartReply：深度LSTM模型，可自动生成电子邮件回复
用于药物发现的大规模多任务网络：一种深度神经网络模型，用于识别谷歌与斯坦福大学合作的有希望的候选药物。
用于OCR的设备上计算机视觉：用于进行光学字符识别以实现实时翻译的设备上计算机视觉模型
Tensorflow 主页
GitHub
入门
使用大数据进行机器学习的最佳工作场所。
SystemML是IBM创建的机器学习技术，已经达到了Apache Software Foundation的顶级项目状态之一，它是一个灵活，可扩展的机器学习系统。重要特征是：
通过R-like和类似Python的语言可以定制算法。
多种执行模式，包括Spark MLContext，Spark Batch，Hadoop Batch，Standalone和JMLC（Java机器学习连接器）。
基于数据和集群特征的自动优化，以确保效率和可扩展性。
SystemML被认为是用于机器学习的SQL。SystemML的最新版本（1.0.0）支持：Java 8 +，Scala 2.11 +，Python 2.7 / 3.5 +，Hadoop 2.6+和Spark 2.1+。
它可以在Apache Spark之上运行，它可以自动逐行扩展数据，确定您的代码是应该在驱动程序还是Apache Spark集群上运行。未来的SystemML开发包括利用GPU功能进行额外的深度学习，例如导入和运行神经网络架构以及用于训练的预训练模型。
SystemML的Java机器学习连接器（JMLC）
Java机器学习连接器（JMLC）API是一种编程接口，用于以嵌入方式与SystemML交互。JMLC的主要目的是作为评分API，其中您的评分函数使用SystemML的DML（声明性机器学习）语言表示。除了评分之外，嵌入式SystemML还可用于在单个计算机上运行的较大应用程序的上下文中执行无人监督学习（例如，群集）等任务。
SystemML主页
GitHub
深入学习框架，以表达，速度和模块化为基础。
Caffe项目由Yangqing Jia博士开设。在加州大学伯克利分校，然后由伯克利AI研究（BAIR）和社区贡献者开发。它主要关注计算机视觉应用的卷积网络。Caffe是计算机视觉相关任务的坚实和受欢迎的选择，您可以从Caffe模型动物园（下面的链接）下载Caffe用户制作的许多成功模型，以便开箱即用。
富有表现力的建筑鼓励应用和创新。模型和优化由配置定义，无需硬编码。通过设置单个标志在GPU计算机上进行训练，然后部署到商品群集或移动设备，在CPU和GPU之间切换。
速度使Caffe成为研究实验和行业部署的理想选择。Caffe 每天可以使用一个NVIDIA K40 GPU 处理超过60M的图像。
社区：Caffe已经为视觉，语音和多媒体领域的学术研究项目，创业原型，甚至大规模的工业应用提供支持。
Caffe 主页
GitHub
Caffe Model Zoo
分布式线性代数框架和数学表达Scala DSL
Mahout旨在让数学家，统计学家和数据科学家快速实施他们自己的算法。Apache Spark是推荐的开箱即用的分布式后端，或者可以扩展到其他分布式后端。
数学上富有表现力的Scala DSL
支持多个分布式后端（包括Apache Spark）
用于CPU / GPU / CUDA加速的模块化原生求解器
Apache Mahout目前实现了包括协作过滤（CF），聚类和分类在内的领域
品尝CF. Taste是由Sean Owen在SourceForge上创建的CF（协同过滤）的开源项目，并于2008年捐赠给Mahout。
几个Map-Reduce启用的聚类实现包括k-Means，模糊k-Means，Canopy，Dirichlet和Mean-Shift。
分布式朴素贝叶斯和互补朴素贝叶斯分类实现。
用于进化编程的分布式适应度函数。
矩阵和矢量库。
所有上述算法的示例。
Mahout 主页
GitHub
格兰特英格索尔介绍的Mahout
一个用C ++编写的开源类库，它实现了神经网络。
OpenNN（开放式神经网络图书馆）以前被称为Flood，它基于博士学位。R. Lopez的论文，“工程中变分问题的神经网络”，加泰罗尼亚技术大学，2008年。
OpenNN将数据挖掘方法实现为一组函数。这些可以使用应用程序编程接口（API）嵌入到其他软件工具中，用于软件工具和预测分析任务之间的交互。OpenNN的主要优点是其高性能。它采用C ++开发，可实现更好的内存管理和更高的处理速度，并通过OpenMP和GPU加速与CUDA实现CPU并行化。
该软件包附带单元测试，许多示例和大量文档。它为神经网络算法和应用的研究和开发提供了有效的框架。Neural Designer是一个使用OpenNN的专业预测分析工具，这意味着Neural Designer的神经引擎是使用OpenNN构建的。
OpenNN旨在从数据集和数学模型中学习。
函数回归。
模式识别。
最佳控制。
最佳形状设计。
反问题。
OpenNN主页
OpenNN Artelnics GitHub
神经设计师
开源机器学习库，科学计算框架和基于Lua编程语言的脚本语言。
Torch由Facebook AI Research Group，IBM，Yandex和Idiap Research Institute使用。它已被扩展用于Android和iOS，并已用于构建数据流的硬件实现，如神经网络中的数据流。
Facebook已经发布了一组扩展模块作为开源软件。
PyTorch是一个用于Python的开源机器学习库，用于自然语言处理等应用程序。它主要由Facebook的人工智能研究小组开发，用于概率编程的优步“Pyro”软件就是基于它构建的。
Torch Home
GitHub
用Java编写的面向对象的神经网络框架。
Neuroph可用于在Java程序中创建和训练神经网络。Neuroph提供Java类库以及用于创建和训练神经网络的GUI工具easyNeurons。Neuroph是轻量级Java神经网络框架，用于开发通用的神经网络架构。它包含一个设计良好的开源Java库，其中包含少量与基本NN概念相对应的基本类。它还具有很好的GUI神经网络编辑器，可以快速创建Java神经网络组件。它已在Apache 2.0许可下作为开源发布。
Neuroph的核心类对应于基本的神经网络概念，如人工神经元，神经元层，神经元连接，权重，传递函数，输入函数，学习规则等.Neuroph支持常见的神经网络架构，如具有反向传播的多层感知器，Kohonen和Hopfield网络。所有这些类都可以扩展和定制，以创建自定义神经网络和学习规则。Neuroph内置支持图像识别。
Neuroph 主页
GitHub上
为Java和Scala编写的第一个商业级，开源，分布式深度学习库。
Deeplearning4j旨在成为最先进的即插即用和更多的约定而不是配置，这允许非研究人员进行快速原型设计。
DL4J可以大规模定制。
DL4J可以通过Keras从大多数主要框架导入神经网络模型，包括TensorFlow，Caffe和Theano，通过跨数据科学家，数据工程师和DevOps的跨团队工具包弥合Python生态系统和JVM之间的差距。Keras被用作Deeplearning4j的Python API。
使用Skymind的模型服务器在生产中提供机器学习模型。
声称是世界上第一个开源助手，可用于从科学项目到企业软件应用程序的任何事物。
Mycroft可以在任何地方运行 - 在台式计算机上，汽车内或Raspberry Pi上。这是一个开源软件，可以自由重新混合，扩展和改进。Mycroft可用于从科学项目到企业软件应用程序的任何事物。
OpenCog是一个旨在构建开源人工智能框架的项目
OpenCog是一种多样化的认知算法集合，每一种都体现了他们自己的创新 - 但是整体架构的强大之处在于它严格遵守认知协同原理。OpenCog最初是基于2008年发布的Novamente LLC专有“Novamente认知引擎”（NCE）的源代码。原始的NCE代码在PLN书中讨论（参见下文）。正在进行的OpenCog开发得到了人工智能通用研究所（AGIRI），Google Summer of Code项目等的支持。
作者：Somanath Veettil
大家好，我是范佳，是Apache SeaTunnel社区的PMC member。今天给大家分享一些基于Apache SeaTunnel二次开发的内容。这部分内容主要涉及代码层面的知识，如果大家有什么疑问，欢迎来社区找我交流！引言大部分数据开发工程师基于Apache SeaTunnel的二次开发，可能做的就是任务提交，任务的一些监控，还有在任务没有跑起来之前，我们可能需要预先知道跑起来之后的
二开背景suricata是一款高性能的开源网络入侵检测防御引擎，旨在检测、预防和应对网络中的恶意活动和攻击。suricata引擎使用多线程技术，能够快速、准确地分析网络流量并识别潜在的安全威胁，是众多IDS和IPS厂商的底层规则检测模块。前段时间搭了个suricata引擎播包测试流量规则，发现原生的suricata引擎并不能获取规则匹配的位置、命中的字符串等信息。因suricata引擎并不会输出命
WPS二次开发，WPS SDk功能效果展示
AI 使用 JavaScript 二次开发## 引言近年来，人工智能（AI）在各个领域都取得了巨大的发展。而JavaScript作为一种广泛应用的编程语言，也越来越多地被用于AI的二次开发。本文将介绍如何使用JavaScript进行AI的二次开发，并提供一些代码示例。## JavaScript 在 AI 中的应用JavaScript在AI中的应用主要体现在以下几个方面：###
# OpenWrt 二次开发 JavaScript 新手指南OpenWrt 是一种针对嵌入式设备的 Linux 发行版，广泛用于路由器等网络设备。在这个指南中，我们将学习如何在 OpenWrt 上进行 JavaScript 二次开发。以下是整个流程的概览。## 开发流程我们将整个开发流程分为以下几个步骤：```markdown| 步骤 | 描述
# STK二次开发JavaScript实现流程## 引言STK（Super Toolkit）是一款基于JavaScript的前端开发工具库，它包含了丰富的函数和工具，可以帮助开发者更高效地进行前端开发。本文将向刚入行的小白介绍如何使用STK进行二次开发，并提供了详细的步骤、代码和注释。## 流程概述下面是STK二次开发JavaScript的实现流程，可用表格展示如下：| 步骤 |
u8开发问题再总结 在调用api生成采购入库单时，报错：该操作会造成订单到货和入库同时存在，请重新检查操作！普通采购必有订单，存货[0501-0304-0075]不能手工录入这是因为：采购入库单单据必须要录入上游单据，也就是采购到货单和采购订单的主表标识，子表标识。 在用windows服务循环调用 webservice插入单据时：出现多步 OL
我们话不多说，这次小编来给你讲一些搜罗而来的Tekla软件二次开发的功能。虽然是科普，不过这些二次开发功能有的还真的是很好用的，帮了大忙。一、桥梁功能如果向Tekla插件中加入了桥梁模块的功能，通过道路设计中心线及相关坡度参数预供参数，可以设置加厚板区域等功能，快速生成桥梁的顶底腹板，那么就能够极大减轻建模工作量，后期将会根据用户的建议继续优化，使其功能更加实用强大。二、节点更新通过在节点更新这方
近来做了几个小系统是关于web的,其中，我发现了几点是需要注意的，那么二次开发的时候就可以比较好地更改、扩展了。1、近来做一个小系统，更改数据库的路径（更改文件夹名）调试时候，发现后台代码文件已经全部跟着更改好了，但还是提示原来的路径出错，我检查了一排，发现页面文件中源代码开头有<%@ Page Language="C#" AutoEventWireup="true" Inherits="N
此款短信猫二次开发接口基于数据库开发方式支持任一种开发语言对短信猫开发，兼容性强、开发简单方便、灵活、稳定。可以快速地使您的应用系统实现短信功能，多种接口方式供二次开发时选择，系统具备良好的可扩展性。企事业单位通过此款短信猫二次开发接口方式实现短信功能，既实现了资源的共享和有效使用，便于企业对进出信息的管理、监控和统计，同时为以后短信功能的扩展提供了便利。
FaceLess运行上次命令Manual模式automatic模式两者不能同时用，同时用需要手动修改.addin文件建议使用Manual模式
一、背景 在使用jemter进行测试的过程中，会经常使用到JDBC Request组件执行sql语句，获取数据库表中的数据来验证业务功能逻辑。一般常用业务表的字段都至少在几十个以上，但是JDBC Request的返回结果是那种字符无分割的表格形式，JDBC显示的结果就是非常杂乱的，根本就很难找到字段对应的值，使用起来非常不方便。（如下图） &nb
插件简介c++ 开发手册ParaView: ParaView C++ API Documentation插件可以通过多种方式来扩展ParaView：（1）添加新的读写器以及滤波器；（2）添加新的自定义用户界面(GUI)，比如工具栏。（3）新的显示数据的显示器插件分类插件是以共享库（*.so，linux及maxos系统）或者动态链接库（*.dll，windows系统）的形式存在。对于一个能够被Par
插件就是为了满足个性化需求按照HDWiki插件开发规范编写的可插拔程序，虽然可以直接对HDWiki进行二次开发实现插件同样的功能，但是这样做势必影响到系统的升级和稳定性。 采用插件的方式，可以随时进行停用和卸载，而且对系统毫无影响。插件类型 插件按照是否需要在前台显示，可以分为两类：前台展示类插件和非前台展示类插件。
一，用途 1. g是什么g相当于单次请求中的“全局变量”，能在单词请求中调用，但是和其他请求是互相隔离的 2. 生命周期请求过来创建，请求结束销毁；仅适用于单次请求，g的生命周期即一个请求的生命周期注：和session不同，session是多个请求都可以使用的 3. g能做什么可以在单次请求中定义一 ...
该系统通过SSM框架的高效开发特性，结合Java语言的强大功能，构建了稳定且易于扩展的后端架构，能够高效处理复杂的业务逻辑和数据交互。系统功能涵盖了器材信息、器材类型、器材采购、器材租赁、器材归还以及数据分析等多个方面，通过智能化的库存预警和数据分析模块，帮助管理者实时掌握器材使用情况，优化资源配置。在器材管理方面，系统通过器材信息和器材类型模块，实现器材的分类管理与详细信息记录，确保器材信息的准确性和完整性。整体而言，该系统通过整合多种功能，旨在提升体育器材管理的信息化水平，推动体育管理的现代化进程。
一个开源产品希望快速的被开发者知道、快速的获取反馈，放到Github上面就可以了。Github上有无数大牌产品：Bootstrap、JQeury、bower、Nginx……可惜都是歪果人搞出来的，他们都有一个共同的特点：全英文。中国人普遍认为，英语和高数是这个世界上最难的学科。即使这个国家每天都向美国欧洲澳洲等国家地区输出大量的中国人，并且一直在中学奥数上保持让人抓狂的奖牌截获率。于是就有了这篇文