首页 文章 精选 留言 我的

精选列表

搜索[工具库],共10000篇文章
优秀的个人博客,低调大师

ClickHouse 可视化工具 CH Visualize Release 1.12.0

DBM1.12.0版本发布! 发布时间:2022-03-18 功能 (增强)¶ 支持数据表的可视化构造和可选参数的配置 添加数据源列表,显示服务版本信息 添加编辑器执行状态反馈 增加执行结果、时间等辅助信息 SQL快捷键可以通过Ctrl+Enter执行#102 支持数据源maxTotal配置(实验性)#102 添加SHOW PARTITIONS快速查询 支持EXPLAIN命令 元数据管理删除数据表支持快速输入表名 文档¶ 添加软件文档贡献指南 优化¶ 优化了元数据管理磁盘使用情况的显示 合并选择查询和查询功能 Bug¶ 修复了快速查询中数据源不分页的问题 修复了由于多次选择而无法区分元数据信息的问题 修复顶部菜单样式异常 修复元数据操作节点未刷新的问题#101 UI¶ 数据源窗口布局 添加九个编辑器主题 执行按钮添加快捷键提示 下载地址: https://github.com/EdurtIO/dbm/releases/tag/1.12.0 如果您使用的是v1.11.0,会收到更新提醒

优秀的个人博客,低调大师

Adlik —— 加速深度学习推理的工具

Adlik是深度学习模型的端到端优化框架。Adlik 的目标是在云和嵌入式环境中加速深度学习推理过程。 使用 Adlik 框架,不同的深度学习模型可以以非常灵活和简单的方式以高性能部署到不同的平台。 在云环境中,编译后的模型和 Adlik 推理引擎应构建为 docker 镜像,并部署为容器。 在边缘环境中,应将 Adlik 推理引擎部署为容器。编译后的模型应该转移到边缘环境,Adlik 推理引擎应该自动更新和加载模型。 在设备环境中,Adlik Inference Engine 和编译后的模型应编译为二进制文件。想要在设备上运行模型推理的用户应该将用户定义的 AI 函数和 Adlik 二进制文件链接到执行文件,并直接运行。 构建 本指南用于在Ubuntu系统上构建 Adlik。 首先,安装Git和Bazel。 然后,克隆 Adlik 并将工作目录更改为源目录: git clone https://github.com/ZTE/Adlik.git cd Adlik 构建客户端 安装以下软件包: python3-setuptools python3-wheel 构建客户端: bazel build //adlik_serving/clients/python:build_pip_package -c opt 构建 pip 包: mkdir /tmp/pip-packages && bazel-bin/adlik_serving/clients/python/build_pip_package /tmp/pip-packages 构建服务 首先,安装以下软件包: automake libtbb2 libtool make python3-six 使用 OpenVINO 运行时构建服务 从OpenVINO安装intel-openvino-runtime-ubuntu<OS_VERSION>-<VERSION>包。 假设 OpenVINO 的安装路径为/opt/intel/openvino_VERSION,运行如下命令: export INTEL_CVSDK_DIR=/opt/intel/openvino_VERSION export InferenceEngine_DIR=$INTEL_CVSDK_DIR/deployment_tools/inference_engine/share bazel build //adlik_serving \ --config=openvino \ -c opt 使用 TensorFlow CPU 运行时构建服务 运行以下命令: bazel build //adlik_serving \ --config=tensorflow-cpu \ -c opt 使用 TensorFlow GPU 运行时构建服务 假设使用 CUDA 版本 11.0 构建。 从这里和这里安装以下软件包: cuda-cupti-dev-11-0 libcublas-dev-11-0 libcudnn8=*+cuda11.0 libcudnn8-dev=*+cuda11.0 libcufft-dev-11-0 libcurand-dev-11-0 libcusolver-dev-11-0 libcusparse-dev-11-0 libnvinfer7=7.2.*+cuda11.0 libnvinfer-dev=7.2.*+cuda11.0 libnvinfer-plugin7=7.2.*+cuda11.0 libnvinfer-plugin-dev=7.2.*+cuda11.0 运行以下命令: env TF_CUDA_VERSION=11.0 TF_NEED_TENSORRT=1 \ bazel build //adlik_serving \ --config=tensorflow-gpu \ -c opt \ --incompatible_use_specific_tool_files=false 使用 TensorFlow Lite CPU 运行时构建服务 运行以下命令: bazel build //adlik_serving \ --config=tensorflow-lite-cpu \ -c opt 使用 TensorRT 运行时构建服务 假设使用 CUDA 版本 11.0 构建。 从这里和这里安装以下软件包: cuda-cupti-dev-11-0 cuda-nvml-dev-11-0 cuda-nvrtc-11-0 libcublas-dev-11-0 libcudnn8=*+cuda11.0 libcudnn8-dev=*+cuda11.0 libcufft-dev-11-0 libcurand-dev-11-0 libcusolver-dev-11-0 libcusparse-dev-11-0 libnvinfer7=7.2.*+cuda11.0 libnvinfer-dev=7.2.*+cuda11.0 libnvonnxparsers7=7.2.*+cuda11.0 libnvonnxparsers-dev=7.2.*+cuda11.0 运行以下命令: env TF_CUDA_VERSION=11.0 \ bazel build //adlik_serving \ --config=TensorRT \ -c opt \ --action_env=LIBRARY_PATH=/usr/local/cuda-11.0/lib64/stubs \ --incompatible_use_specific_tool_files=false 使用 TF-TRT 运行时构建服务 假设使用 CUDA 版本 11.0 构建。 从这里和这里安装以下软件包: cuda-cupti-dev-11-0 libcublas-dev-11-0 libcudnn8=*+cuda11.0 libcudnn8-dev=*+cuda11.0 libcufft-dev-11-0 libcurand-dev-11-0 libcusolver-dev-11-0 libcusparse-dev-11-0 libnvinfer7=7.2.*+cuda11.0 libnvinfer-dev=7.2.*+cuda11.0 libnvinfer-plugin7=7.2.*+cuda11.0 libnvinfer-plugin-dev=7.2.*+cuda11.0 运行以下命令: env TF_CUDA_VERSION=11.0 TF_NEED_TENSORRT=1 \ bazel build //adlik_serving \ --config=tensorflow-tensorrt \ -c opt \ --incompatible_use_specific_tool_files=false 使用 Tvm 运行时构建服务 安装以下软件包: build-essential cmake tvm 运行以下命令: bazel build //adlik_serving \ --config=tvm \ -c opt

优秀的个人博客,低调大师

Sentry 22.2.0 发布,跨平台实时应用监控工具

Sentry 从根本上是一项服务,可跨平台实时监控和修复应用程序崩溃,它重点关注于错误报告。Sentry 服务器使用 Python,但它包含一个完整的 API,用于在任何应用程序中从任何语言发送事件。 Sentry 可以帮助你将 Python 程序的所有 exception 自动记录下来,然后在一个好用的 UI 上呈现和搜索,处理 exception 是每个程序的必要部分,所以 Sentry 也几乎可以说是所有项目的必备组件。 目前, Sentry 发布了 22.2.0 版本,此版本带来以下内容: ref(ui)将表单移出视图/设置/组(#31785) feat(perf):当一些重要的网络数据丢失时,显示到文档的链接(#31764) feat(dashboard):在仪表盘编辑模式中添加重复的小部件按钮(#31776) feat(metrics):添加串联变压器指标(#31783) ref(new-widget-builder-experience):添加可视化和查询字段(#31786) feat(profiling): 添加 flamegraph 提示框 (#31663) ref(endpoints): 添加SentryApp 端点模块(#31749) feat(ui): 为审查选项卡添加空白状态 (#31782) ref(models):将更多模块移动到子模块(#31583) feat(workflow):添加 警报规则状态页面(alert-rule-status-page) 标志(#31796) fix(perf): 处理perfForSentry 中的事务丢失(#31801) feat(codeowners):将 api 所有者组添加到CODEOWNERS(#31739) meta(gha):部署工作流 issue-routing-helper.yml(#31798) chore(auth):为所有用户启用自动 IdP 迁移(#31774) feat(ratelimits): 开启速率限制执行功能(#31789) ref(perf):切换 VC 组件以使用 perf.now(#31795) ref(api): 重构 organization_member_team_details (#31751) fix(pagerduty): 修复日志参数问题 (#31794) ... 更新公告:https://github.com/getsentry/sentry/releases/tag/22.2.0

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册