کتابخانه های نوشته شده با جاوا اسکریپت
inthe.am
به وظایف Taskwarrior خود از هر مرورگری در هر کجا دسترسی داشته باشید.
- 573
- GNU Affero General Public License v3.0
opytimizer
🐦 Opytimizer یک کتابخانه پایتون است که از الگوریتم های بهینه سازی فراابتکاری تشکیل شده است.
- 573
- Apache License 2.0
Twitch-Channel-Points-Miner-v2
یک اسکریپت ساده که یک استریم را برای شما تماشا می کند و امتیاز کانال را کسب می کند. (توسط rdavydov).
- 573
- GNU General Public License v3.0 only
pandastable
تجزیه و تحلیل جدول در Tkinter با استفاده از پانداها DataFrames..
- 572
- GNU General Public License v3.0
trading-server
یک پلتفرم معاملاتی چند دارایی، چند استراتژی و رویداد محور برای اجرای بسیاری از استراتژی ها در بسیاری از مکان ها به طور همزمان با مدیریت ریسک مبتنی بر پورتفولیو و تخصیص سرمایه به ازای هر استراتژی. پشتیبانی از بک تست مبتنی بر رویداد در تمام ابزارها، مکانها و استراتژیهای مورد نظر تحت یک نمونه کار پارامتری واحد.
- 571
- GNU General Public License v3.0 only
runhouse
قابل برنامه ریزی 🐍 محاسبات از راه دور 🔋 و داده 📂 در محیط ها 💻 و کاربران 👩💻.
- 571
- Apache License 2.0
lingua-py
دقیق ترین کتابخانه تشخیص زبان طبیعی برای پایتون، مناسب برای متن های بلند و کوتاه به طور یکسان.
- 571
- Apache License 2.0
mimic2
موتور متن به گفتار بر اساس معماری تاکوترون، که در ابتدا توسط کیت ایتو اجرا شد.
- 571
- Apache License 2.0
retrowrite
RetroWrite -- کامپایلر مقاوم سازی از بازنویسی باینری عبور می کند.
- 571
- GNU General Public License v3.0
django-easy-audit
یکی دیگر از برنامه های ثبت حسابرسی جنگو، امیدواریم ساده ترین باشد.
- 570
- GNU General Public License v3.0 only
darker
فقط در مناطقی که پس از یک commit تغییر کرده اند، قالب بندی سیاه را روی فایل های پایتون اعمال کنید. برای مثال استفاده عملی، پست وبلاگ را در https://dev.to/akaihola/improving-python-code-incrementally-3f7a ببینید.
- 570
- GNU General Public License v3.0
PdfGptIndexer
ابزاری کارآمد برای نمایه سازی و جستجوی داده های متن PDF با استفاده از OpenAI API و نمایه FAISS (Facebook AI Similarity Search) که برای بازیابی سریع اطلاعات و دقت جستجوی برتر طراحی شده است.
- 570
- MIT
Conv-TasNet
پیادهسازی PyTorch از Conv-TasNet که در "TasNet: فراتر رفتن از پوشش زمان-فرکانس ایدهآل برای جداسازی گفتار" با آموزش تغییر ناپذیر جایگشت (PIT) توضیح داده شده است.
- 570
- MIT