前 16 名开源项目的想法和主题 [适合新手和有经验的人]

介绍

开源为想要在开源项目中学习和实践的程序员提供了巨大的机会； 他们还可以为多个开源项目做出贡献并提高他们的能力。

开源项目列表

这是开源项目的列表； 它有助于开发人员和设计人员在开源项目中探索、发展和提高他们的技能。 Google 开源提供了广泛级别的环境，他们可以在其中练习和部署应用程序。

1.AdaNet

具有最佳学习能力的敏捷且适应性强的 AutoML

AdaNet 是一个灵活且轻量级的基于 TensorFlow 的自动学习框架，具有最佳质量的模型和最少的专家建议。 它使用带有 Cortes 的 AdaNet 算法。 它将神经网络的结构确定为具有最佳学习保证的子网络的集合。 AdaNet 实现了一个用于学习神经网络架构的综合框架。

AdaNet Git-Hub 源代码链接。

https://github.com/tensorflow/adanet

2. 堆栈驱动程序

它具有基于云的监控、日志记录和诊断应用程序的最佳功能。

Google Stackdriver 实现了强大的监控、日志记录和诊断功能。 它提供了监控基于云的应用程序的性能、运行状况和可用性的交互式洞察功能。 它使我们能够检测、发现问题并帮助以更快的方式解决问题。 Google 是大多数 Google 应用程序在具有 Stackdriver 功能的 Google Cloud Platform 上运行的最佳示例。

Cloud SDK 用于客户端项目，用于报告和跟踪错误； 我们可以使用 Stackdriver 错误报告。

Stackdriver Git-Hub 源代码链接

客户端 JavaScript 的 Stackdriver 错误报告

适用于 Python 的 Stackdriver 调试器

3. 诺穆卢斯

优秀的域名签名注册软件

Nomulus 是一个可扩展的开源云平台，用于管理顶级域 (TLD)。 它是 TLD 的可靠来源。它用于跟踪域名控制所有权、处理注册、续订以及对新的最终用户注册的可用性检查，并使用域名详细信息收集人员及其组织的信息。

Nomulus 在 Google App Engine 上运行和运行，最初是用 Java 编写的。

Nomulus Git-Hub 源代码链接

https://github.com/google/nomulus

4. 开放人口普查

它是一个统计模型和单一共享跟踪框架。

OpenCensus 是开源库的独特组合，用于检测和实现共享分发系统的可观察性。 它的构建是为了获得最小的开销，以便在规模部署过程中实现。 OpenCensus 自动处理来自应用程序的可追溯性并在本地表示它们。

它是面向公众的 API，例如gRPC 。

OpenCensus Git-Hub 源码链接： https ://github.com/census-instrumentation/

5.谷歌云数据实验室

通过机器学习开源项目进行数据检查和探索、分析、可视化的交互式工具。

Cloud Datalab 是一种强大的交互机制，可创建用于检查、探索和分析的机器学习模型。 它还转换并提供谷歌云平台上的数据洞察力。 它可以在 Google Compute Engine 上运行，并快速关联到各种云服务以执行与数据科学相关的任务。

Google Cloud Datalab Git-Hub 源代码链接。

https://github.com/googledatalab/datalab

阅读：计算机科学项目理念

6. 大纲

该大纲展示了通过最佳网络连接更安全地访问开放互联网。

Outline 是一款开源 VPN 软件，由 Jigsaw academy 于 2018 年 3 月发布。它可以根据用户的喜好在云提供商上提供个人和企业 VPN 服务器，并且省力。

设置完成后，Outline 服务器管理员可以使用 Outline 客户端接收对连接到 VPN 的其他用户的访问权限。

它是为基于 Windows、macOS、基于 iOS、Android 和基于 ChromeOS 的应用程序软件而生产的。 它使用 Shadowsocks 协议 (shadowsocks.org) 在客户端和服务器之间进行通信。

大纲Git-Hub 源代码链接。

https://github.com/Jigsaw-Code/outline-client

https://github.com/Jigsaw-Code/outline-server

7. 内部

Intra 是一款基于 Android 的应用程序，可通过最佳开放式互联网访问功能为您提供更多能力。

Intra 保护您免受 DNS 操纵，这是一种与阻止社交媒体平台、访问新闻网站和消息传递应用程序相关的网络攻击。

Intra 运行并加密您与公共域名系统 (DNS) 服务器的互联网连接。 DNS 服务器作为使用互联网的联系人列表运行，DNS 服务器提供我们可以访问网站的准确地址。 它还通过加密的互联网连接功能为用户提供最佳安全性。

内部Git-Hub 源代码链接。

https://github.com/Jigsaw-Code/Intra

8.颤动

Flutter 是一个开源项目，它提供了最佳的高精度结果，并通过单一代码库对 iOS 和 Android 应用程序进行了深入了解。

它是一个基于移动设备的应用程序 SDK，用于从具有滚动行为、排版、图标等的单一代码库为 iOS 和 Android 开发基于高性能、高精度的应用程序。

Flutter Git-Hub 源代码链接。

https://github.com/flutter/flutter

9.离子

ION 是一种紧凑且可移植的库和工具，用于开发基于客户端的应用程序，尤其是在图形领域。

它是不充分的、安全的、快速的和健壮的，它是跨平台的，具有许多设备、基于移动的设备和浏览器。

我们为什么要使用离子？

小：它在便携式平台上具有 < 500k 二进制大小的能力。

强大而强大：它为开发的应用软件提供更快的效力。

内存分配。

线程能力

1. 运行时环境设置编辑功能
2. 生产环境中的自发表现

图形工具

1. 它检查最佳图形图片以发现更好的性能
2. 使用最佳图片自动显示各种连接中的源
3. 运行时着色器编辑功能的最佳运行时图形功能。

经过测试：它经过充分测试，并通过以下详细信息为您的应用程序提供最佳测试解决方案。

1. 100% 测试能力
2. 黑白盒测试解决方案，带有单元和集成测试结果

跨平台：

1. 提供基于桌面的跨平台环境：Linux、Mac OSX、Windows。

跨职能：

1. 它为 Google 的不同团队提供了一个跨职能的环境，并通过各种 Google 产品在数十亿台设备上运行。

我们可以使用 Google 的地方使用 Ion。

我们可以在 Daydream、Google Earth 和 Google 的其他其他内部应用程序中使用 ION。

1. https://arvr.google.com/daydream/
2. https://www.google.com/earth/

ION Git-Hub 源代码链接。

https://github.com/google/ion

必读：最后一年的项目想法和主题

10. DeepMind 实验室

DeepMind Lab 是一个开源和可定制的 3D 平台，用于基于代理的 AI 研究。

它是一个 3D 游戏程序，旨在分析和推进通用人工智能和基于机器学习的应用程序。 它执行一系列对深度支持学习特别有用的刺激探索和解谜任务。 它是一个可管理和可扩展的 API，允许生产任务设计、人工智能设计解决方案功能。

Google 如何在 DeepMind Lab 上工作

DeepMind Lab 在 DeepMind 内部用于研究并训练学习代理。

DeepMind Git-Hub 源代码链接。

https://github.com/deepmind/lab

11. V8

V8 是一个开源的高性能 JavaScript 引擎，它运行在一个基于独立的应用程序上，一个 JavaScript 引擎也可以运行在基于嵌入式的代码环境上。 它在执行其句柄之前收集 JavaScript 并将其组合到机器级代码，管理垃圾收集对象的内存分配，并为更快的执行结果提供最佳技术。 V8 还为用户提供了稳定、交互式、响应式的 Web 体验结果。

源代码

https://chromium.googlesource.com/v8/v8.git

另请阅读：深度学习项目理念

12. OpenWeave

一种开源技术实现了 Weave 网络应用层，它为应用程序提供了受保护、可靠和可靠的通信解决方案。

Weave 协议执行一个到多个设备之间以及设备到移动设备和设备到云之间的连接，它们在物联网 (IoT) 范围内传输数据和控制。 Weave 可以允许点对点通信和 IP 网络 For-Example: Thread, Cellular systems。

OpenWeave Git-Hub 源代码链接。

https://github.com/openweave/openweave-core

13. 库伯流

Kubernetes 机器学习工具包

Kube Flow 项目主要专注于并致力于以非常适度、紧凑、可移植和可扩展的方式在 Kubernetes 上执行基于机器学习 (ML) 的应用程序工作流的部署。 它提供了一种诚实且易于访问的方法，可以将 ML 的最佳操作系统操作部署到各种基础。

KuberFlow Git-Hub 源代码链接。

https://github.com/kubeflow/website

14.洋红色

Magenta 是一个基于开源的考试项目，旨在探索在创建建筑和音乐的方法中的机器学习性能。 它包括新的深度学习方法，并开发了对机器学习算法的支持，以创建歌曲、图片、设计和草图。

这也是对开发智能设备的探索，为艺术家和音乐家提供最好的机制，在他们的帮助下，他们可以探索更多，创造最好的音乐和设计。

Magenta Git-Hub 源代码链接。

https://github.com/magenta/magenta

15. 中兴

ZXing 是一个开源项目，也是一个条形码图像处理库，可以执行和执行 Java 语言，并带有其他语言的端口。 它也被称为（“斑马线”）

ZXing 是通过网络研究来执行和实现的，以在网络上获得数百万条可索引的条形码。 它还为 Android 的 Barcode Scanner 应用程序奠定了基础，该应用程序被合并到 Google 产品中。

ZXing Git-Hub 源码链接。

https://github.com/zxing/zxing

16. 打开图像数据集

Open Image Dataset 是 9+ 百万个混合图像的 Dataset 集合，具有丰富的注释组合； 这些图像是不同的，并且具有复杂的可视化； 在 Open Image 数据集的帮助下，我们可以通过使用图像级标签注释、对象边界框、更好的分割建议和视觉连接以及更多特征来连接和解决这些问题。

打开图像数据集Git-Hub 源代码链接。

https://storage.googleapis.com/openimages/web/index.html

学习世界顶尖大学的数据科学课程。 获得行政 PG 课程、高级证书课程或硕士课程，以加快您的职业生涯。

结论

希望本文能帮助您了解开源项目列表。 本文描述了有关开源相关项目的所有基本细节。