Github 2023-12-18 开源项目周报 Top14-编程知识

根据Github Trendings的统计，本周(2023-12-18统计)共有14个项目上榜。根据开发语言中项目的数量，汇总情况如下：

开发语言	项目数量
TypeScript项目	4
Python项目	4
Jupyter Notebook项目	3
非开发语言项目	1
JavaScript项目	1
Rust项目	1
Go项目	1

基于项目的学习

创建周期：2434 天
协议类型：MIT License
Star数量：128131 个
Fork数量：17614 次
关注人数：128131 人
贡献人数：100 人
Open Issues数量：76 个
Github地址：https://github.com/practical-tutorials/project-based-learning.git

基于项目的学习是一个由程序员精心策划的教程清单，旨在帮助有抱负的软件开发人员学习如何从零开始构建应用程序。这些教程涵盖了不同的主要编程语言，并可能涉及多种技术和语言。

Plane: 开源软件开发工具

创建周期：391 天
开发语言：TypeScript
协议类型：GNU Affero General Public License v3.0
Star数量：20636 个
Fork数量：1074 次
关注人数：20636 人
贡献人数：58 人
Open Issues数量：250 个
Github地址：https://github.com/makeplane/plane.git
项目首页: http://plane.so

Plane是一个开源软件开发工具，帮助以简单的方式跟踪问题、史诗和产品路线图。它仍处于早期开发阶段，欢迎反馈以进行改进。用户可以通过创建Plane Cloud账户或使用提供的部署文档进行自主托管来开始使用Plane。

Lobe Chat: 开源聊天机器人框架

创建周期：207 天
开发语言：TypeScript
协议类型：MIT License
Star数量：7263 个
Fork数量：1144 次
关注人数：7263 人
贡献人数：34 人
Open Issues数量：76 个
Github地址：https://github.com/lobehub/lobe-chat.git
项目首页: https://chat-preview.lobehub.com

Lobe Chat是一个开源的聊天机器人框架，支持语音合成、多模态功能和可扩展的函数调用插件系统。它可以轻松部署私人ChatGPT/LLM网络应用程序。

StyleX：优化用户界面样式的JavaScript库

创建周期：375 天
开发语言：JavaScript
协议类型：MIT License
Star数量：5876 个
Fork数量：276 次
关注人数：5876 人
贡献人数：43 人
Open Issues数量：29 个
Github地址：https://github.com/facebook/stylex.git
项目首页: https://stylexjs.com

StyleX是用于定义优化用户界面样式的JavaScript库。

Mistral变压器：Mistral AI 7B v0.1模型的参考实现

创建周期：77 天
开发语言：Jupyter Notebook, Python
协议类型：Apache License 2.0
Star数量：4963 个
Fork数量：336 次
关注人数：4963 人
贡献人数：12 人
Open Issues数量：52 个
Github地址：https://github.com/mistralai/mistral-src.git
项目首页: https://mistral.ai/

Mistral变压器是一个开源项目，是Mistral AI 7B v0.1模型的参考实现。它包含了运行7B模型的最小代码，并提供了博客、Discord社区和文档等资源。

Oxc: 用Rust编写的JavaScript和TypeScript高性能工具集合

创建周期：311 天
开发语言：Rust
协议类型：MIT License
Star数量：5114 个
Fork数量：169 次
关注人数：5114 人
贡献人数：65 人
Open Issues数量：75 个
Github地址：https://github.com/oxc-project/oxc.git
项目首页: https://oxc-project.github.io

Oxc 是一个开源项目，旨在创建一组针对 JavaScript 和 TypeScript 的高性能工具，包括解析器、代码检查器、格式化工具、转译器、代码最小化工具、解析器等，全部由 Rust 编写。

Go语言HTML模板语言：出色的开发者工具

创建周期：982 天
开发语言：Go
协议类型：MIT License
Star数量：3602 个
Fork数量：106 次
关注人数：3602 人
贡献人数：51 人
Open Issues数量：47 个
Github地址：https://github.com/a-h/templ.git

该项目是一个为Go语言提供出色开发者工具的HTML模板语言。

Google Cloud 上的生成式AI示例

创建周期：225 天
开发语言：Jupyter Notebook
协议类型：Apache License 2.0
Star数量：3108 个
Fork数量：713 次
关注人数：3108 人
贡献人数：55 人
Open Issues数量：33 个
Github地址：https://github.com/GoogleCloudPlatform/generative-ai.git
项目首页: https://cloud.google.com/vertex-ai/docs/generative-ai/learn/overview

该存储库包含笔记本、代码示例、示例应用程序和其他资源，演示如何使用、开发和管理使用由Vertex AI提供支持的Google Cloud上的生成式AI工作流。

MLX示例：框架演示与应用

创建周期：11 天
开发语言：Python
协议类型：MIT License
Star数量：1305 个
Fork数量：176 次
关注人数：1305 人
贡献人数：18 人
Open Issues数量：11 个
Github地址：https://github.com/ml-explore/mlx-examples.git

MLX示例存储库包含了各种独立的示例，演示了MLX框架的使用。MNIST示例是初学者学习如何使用MLX的良好起点。其他有用的示例包括训练Transformer语言模型，使用LLaMA或Mistral进行大规模文本生成，使用LoRA进行参数高效微调，使用Stable Diffusion生成图像，以及使用OpenAI的Whisper进行语音识别。

PageSpy：远程 Web 项目调试工具

创建周期：246 天
开发语言：TypeScript
协议类型：MIT License
Star数量：1803 个
Fork数量：102 次
关注人数：1803 人
贡献人数：6 人
Open Issues数量：10 个
Github地址：https://github.com/HuolalaTech/page-spy-web.git
项目首页: https://huolalatech.github.io/page-spy-web/

PageSpy 是一款用于调试远程 Web 项目的工具。它基于对原生 API 的封装，在调用原生方法时对参数进行过滤和转换，将其整理成格式规范的消息，以便调试端消费。调试端接收消息数据，并提供类似控制台的交互界面来呈现数据。

Pearl - 一款生产就绪的强化学习人工智能代理库

创建周期：255 天
开发语言：Python
协议类型：MIT License
Star数量：1628 个
Fork数量：101 次
关注人数：1628 人
贡献人数：5 人
Open Issues数量：1 个
Github地址：https://github.com/facebookresearch/Pearl.git

Pearl是由Meta的应用强化学习团队开发的一款生产就绪的强化学习人工智能代理库。

DemoFusion: 开源高分辨率图像生成项目

创建周期：41 天
开发语言：Jupyter Notebook
Star数量：663 个
Fork数量：122 次
关注人数：663 人
贡献人数：3 人
Open Issues数量：8 个
Github地址：https://github.com/PRIS-CV/DemoFusion.git
项目首页: https://ruoyidu.github.io/demofusion/demofusion.html

DemoFusion是一个旨在通过使用渐进式放大、跳跃残差和扩张采样机制来扩展开源GenAI模型，从而使高分辨率图像生成更加普遍的开源项目。该项目最近发布了几个演示版本，使其更具互动性和可访问性。

MegaBlocks: 轻量级混合专家训练库

创建周期：326 天
开发语言：Python
协议类型：Apache License 2.0
Star数量：517 个
Fork数量：94 次
关注人数：517 人
贡献人数：12 人
Open Issues数量：6 个
Github地址：https://github.com/stanford-futuredata/megablocks.git

MegaBlocks 是一个轻量级的混合专家（MoE）训练库，构建在 Megatron-LM 之上，支持 MoEs 的数据、专家和管道并行训练。它的性能优于使用 Tutel 训练的 MoEs 高达 40%，与 Megatron-LM 训练的密集 Transformers 相比，训练加速最多可达 2.4 倍。MegaBlocks 通过移除 capacity_factor 超参数简化了 MoE 训练，并具有用于额外功能的可选依赖，如量化和分组 GEMM 计算。