2018上半年GitHub上最热门的开源项目

关注GitHub的人都知道,这个平台上面有太多优秀的值得学习的开源项目了,这里总结了2018上半年GitHub上最热门的开源项目。

1: tensorflow

https://github.com/tensorflow/tensorflow

TensorFlow是一个使用数据流图进行数值计算的开源软件库。图节点表示数学运算,而图边表示在它们之间流动的多维数据数组(张量)。这种灵活的架构使您可以将计算部署到台式机,服务器或移动设备中的一个或多个CPU或GPU,而无需重写代码。

TensorFlow实现模型:https://github.com/tensorflow/models/blob/master/research
TensorFlow教程:https://github.com/tensorflow/models/blob/master/tutorials

700

 

 

2: vue

项目地址:https://github.com/vuejs/vue

Vue.js是一个构建数据驱动的 web 界面的渐进式框架。Vue.js 的目标是通过尽可能简单的 API 实现响应的数据绑定和组合的视图组件。它不仅易于上手,还便于与第三方库或既有项目整合。当与单文件组件和 Vue 生态系统支持的库结合使用时,Vue 也完全能够为复杂的单页应用程序提供驱动。

 

700

 

3:build-your-own-x

项目地址:https://github.com/danistefanovic/build-your-own-x
Build your own 系列,各种环境的构建技术集合,包含了很多自己动手的实践方法。

700

 

 

4: Interview-Notebook

项目地址:https://github.com/CyC2018/Interview-Notebook

技术面试需要掌握的基础知识整理,主要分成算法、操作系统、网络、面向对象、数据库、Java、分布式、工具、编码实践这几个大类。如算法又分为三大模块,分别涉及到《剑指 Offer 第二版》的最优解内容以及Leetcode 题解等

 

700

 

5:javascript-algorithms

项目地址:https://github.com/trekhleb/javascript-algorithms

javascript-algorithms存储库包含许多流行算法和数据结构的基于JavaScript的示例。每种算法和数据结构都有自己的README文件,并附有相关说明和进一步阅读链接(包括YouTube视频的链接)。

6:dayjs

项目地址:https://github.com/iamkun/dayjs
Day.js是一个极简主义的JavaScript库和 Moment.js 的 API 设计保持完全一样,用于解析,验证,操作和显示具有Moment.js兼容API的现代浏览器的日期和时间。如果你使用Moment.js,你已经知道如何使用Day.js.

676

 

 

7:ReLaXed

项目地址:https://github.com/RelaxedJS/ReLaXed
ReLaXed是一种使用HTML或Pug(HTML的简写)交互式创建PDF文档的工具。它允许使用CSS和JavaScript定义复杂的布局,同时将内容写入接近Markdown或LaTeX的友好,最简单的语法中。

677

 

 

8: proton-native

项目地址:https://github.com/kusti8/proton-native
proton-native 是一个结合了 node, libui, react 的一个产物,使用 node 的环境, react 的语法和 libui 的跨平台调用 ui 控件的能力。proton-native 可用于构建跨平台的桌面应用,构建方式简单,构建的包轻量。

700

 

 

9: Vuido

项目地址:https://github.com/mimecorg/vuido
Vuido使用Vue.js创建轻量级的原生桌面应用程序成为可能。使用Vuido的应用程序可以在Windows,OS X和Linux上运行,使用本地GUI组件,并且不需要Electron。

700

 

 

10: Node 之父新项目deno

项目地址:https://github.com/ry/deno
Node 之父 Ryan Dahl 发布新的开源项目 deno,从官方介绍来看,可以认为它是下一代 Node,使用 Go 语言代替 C++ 重新编写跨平台底层内核驱动,上层仍然使用 V8 引擎,最终提供一个安全的 TypeScript 运行时。

原文作者:祈澈姑娘技术博客:https://www.jianshu.com/u/05f416aefbe1
90后前端妹子,爱编程,爱运营,爱折腾。
坚持总结工作中遇到的技术问题,坚持记录工作中所所思所见,欢迎大家一起探讨交流。
文末福利:关注「编程微刊」公众号 ,在微信后台回复「领取资源」,获取IT资源300G干货大全。公众号回复“1”,拉你进程序员技术讨论群。

转载于:https://my.oschina.net/u/3704591/blog/1836157

分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值