Sherlock:社交媒体账号搜索工具 | 开源日报 No.111

news/2024/7/10 21:17:42 标签: 开源

picture

sherlock-project/sherlock

Stars: 45.1k License: MIT

picture

这个项目是一个社交媒体账号搜索工具,名为 Sherlock。它可以通过用户名在不同的社交网络上追踪用户的账号。

  • 支持单个或多个用户搜索
  • 提供 Docker 容器化部署方式
  • 开放源代码并欢迎贡献者参与开发
  • 包含详细测试功能

pydantic/FastUI

Stars: 2.3k License: MIT

picture

FastUI 是一个新的构建 Web 应用程序用户界面的方式,通过声明式 Python 代码来定义。其核心优势包括:

  • Python 开发者可以在不编写一行 JavaScript 或触及 npm 的情况下,使用 React 构建响应式 Web 应用程序。
  • 前端开发者可以专注于构建可重复使用的组件而无需为每个视图复制粘贴组件。
  • 后端完全定义整个应用程序;前端则自由实现用户界面。

主要功能:
FastUI 由以下四部分组成:

  • fastui PyPI 软件包 — 适合任何 python web 框架,并提供了 Pydantic 模型和一些工具
  • @pydantic/fastui npm 软件包 — 允许您在实现自己的组件时重用 FastUI 机制和类型
  • @pydantic/fastui-bootstrap npm 软件包 — 使用 Bootstrap 对所有 FastUI 组件进行实现/定制化
  • 提供预先构建版本以便直接使用

此外,FastAPI 已经定义了多种常见页面元素如文本、段落、标题等。FastUI 还遵循 RESTful 原则,在后台告诉前台该做什么,实际上与 GraphQL 相反但目标相同——允许后端扩展而无需进行新的前端开发。

ExpLangcn/NucleiTP

Stars: 1.4k License: NOASSERTION

NucleiTP 是一个全网监控 Nuclei Poc 实时更新的项目。

  • 根据风险等级分别存储不同文件夹
  • 自动测试 Poc 是否可以使用 Nuclei 加载
  • 重复 Poc 自动重命名,方便手工分析

samuelcolvin/FastUI

Stars: 1.9k License: MIT

picture

FastUI 是一个新的构建 Web 应用程序用户界面的方式,通过声明式 Python 代码来定义。其核心优势包括:

  • Python 开发者可以在不编写一行 JavaScript 或触及 npm 的情况下使用 React 构建响应式 Web 应用程序。
  • 前端开发者可以专注于构建可重复使用的组件,无需为每个视图复制粘贴组件。
  • 后端定义整个应用程序,而前端则自由实现用户界面,实现了真正意义上的关注点分离。

主要功能和特性:

  • FastUI 由 4 部分组成:PyPI 软件包、React TypeScript 软件包、Bootstrap 定制化软件包以及预先构建好版本提供 CDN 服务
  • 已经定义了多种常见组件如文本、段落、页面标题等,并且支持表单渲染和数据展示等功能

FastUI 还遵循 RESTful 原则,在后台告知前台需要做什么,实现只需在一个地方编写代码即可添加新视图或更改 URL 结构;同时能够完全解耦前后端部署并保证通信双方基于同意模式进行交流。

mlc-ai/mlc-llm

Stars: 14.3k License: Apache-2.0

MLC LLM 是一个高性能的通用部署解决方案,允许使用编译器加速本地 API 来原生部署任何大型语言模型。该项目旨在通过机器学习编译技术,在每个设备上实现人工智能模型的开发、优化和本地部署。

  • 支持多种平台和硬件
  • 可扩展性强
  • 提供各种预构建模型
  • 多套跨平台环境下的 API 接口

Luodian/Otter

Stars: 3.2k License: MIT

这个项目是一个开源的多模态指令调整模型,名为 Otter。它基于 OpenFlamingo 模型,通过在提供相应媒体 (如图像或视频) 的情况下对语言模型进行条件化来支持多种任务。该项目主要功能包括训练 Otter 使用 MIMIC-IT 数据集中约 280 万条上下文相关的指令-响应对,并且能够处理视频输入和多张图片输入作为上下文示例。其核心优势和关键特点包括:

  • 支持高分辨率视觉输入解释
  • 提供用于评估 8 项基准测试 GPT4V 性能的脚本
  • 引入 MagnifierBench 评估基准以及改进了预训练、SFT 和 RLHF 管道
  • 逐步公开训练脚本并组织各类数据集管理 yaml 文件等重大变更

http://www.niftyadmin.cn/n/5270803.html

相关文章

C++计算(a+b)*(c-b)的值 2023年9月c++一级 电子学会中小学生软件编程C++等级考试一级真题答案解析

目录 C计算(ab)*(c-b)的值 一、题目要求 1、编程实现 2、输入输出 二、算法分析 三、程序编写 四、程序说明 五、运行结果 六、考点分析 C计算(ab)*(c-b)的值 2023年9月 C编程等级考试一级编程题 一、题目要求 1、编程实现 给定3个整数a、b、c,计算表达…

6.鸿蒙app_hap_DevEco如何真机调试模式_app安装在手机中

真机调试 手机》设置》关于手机》HarmonyOS版本》软件版本,连续单击10次启动开发者模式 然后:设置》系统和更新》开发人员选项》打开USB调试功能。 电脑USB连接手机,手机USB连接类型,传文件(不要选择仅充电&#xf…

04_Web框架之Django一

Web框架之Django一 学习目标和内容 1、能够描述Django的作用 2、能够使用Django创建应用 3、能够使用GET和POST请求方式进行传参 4、能够使用Django的函数式方法定义视图 5、能够进行Django的配置文件修改 6、能够基本使用Django的路由定义 一、Django相关介绍 1、什么是Djan…

Pytorch中的层和块(nn.Module和nn.Sequential的用法)

一、层和块 在构造自定义块之前,我们先回顾一下多层感知机的代码。下面的代码生成一个网络,其中包含一个具有256个单元和ReLU激活函数的全连接隐藏层,然后是一个具有10个隐藏单元且不带激活函数的全连接输出层。 import torch from torch im…

【BEV感知】BEVFormer 融合多视角相机空间特征和时序特征的端到端框架 ECCV 2022

前言 本文分享BEV感知方案中,具有代表性的方法:BEVFormer。 基本思想:使用可学习的查询Queries表示BEV特征,查找图像中的空间特征和先前BEV地图中的时间特征。 它基于Deformable Attention实现了一种融合多视角相机空间特征和时序特征的端到端框架,适用于多种自动驾驶感…

LeetCode326. Power of Three

文章目录 一、题目二、题解 一、题目 Given an integer n, return true if it is a power of three. Otherwise, return false. An integer n is a power of three, if there exists an integer x such that n 3x. Example 1: Input: n 27 Output: true Explanation: 27 …

服务器的安全包括哪些方面?服务器安全该如何去加固处理?

服务器安全包括如下几个方面: 系统安全:包括操作系统的安全性、系统的漏洞和补丁管理、用户管理、文件权限和访问控制等。 网络安全:包括网络拓扑结构、网络设备的安全性、网络协议的安全性、防火墙和入侵检测等。 数据安全:包括数…

第四章 VI(visual interface可视化界面)和VIM(visual interface improved视觉界面改进)编辑器

第四章 VI(visual interface可视化界面)和VIM(visual interface improved视觉界面改进)编辑器 学习目标 1 了解什么 是VI和VIM 编辑器 2 熟练VIM编辑器一般模式的常见操作 3 熟练VIM编辑器编辑模式的的进入和推出方式 4 熟练VIM编辑器命令模式的常见命令 第一节 什么是VI…