最新

您好，我想分享一下我们在 WoolyAI GPU 虚拟机管理程序中构建的一个很酷的功能，它使用户无需任何修改即可在 AMD GPU 上运行现有的 Nvidia CUDA pytorch/vLLM 项目和管道。机器学习研究人员可以透明地使用来自异构集群（包含 Nvidia 和 AMD GPU）的 GPU。MLOps 团队无需维护单独的管道或运行时依赖项。机器学习团队可以轻松扩展容量。 请分享您的反馈，我们也在招募 Beta 用户。 https://youtu.be/MTM61CB2IZc

<a href="https://docs.rerouter.app/" rel="nofollow">https://docs.rerouter.app/</a>

我构建了一个名为 gocd 的小项目，因为我希望有一种简单的方法来部署来自 GitHub pull requests 的更改，而无需启动完整的 CI/CD 堆栈。 这个想法很简单：无需设置运行器、服务器或云基础设施，你就可以直接在笔记本电脑（或小型服务器）上运行它。它与 GitHub issues 和 PRs 集成，自动化构建和部署，并使远程访问正在运行的应用程序变得容易（例如，通过 Tailscale 之类的工具）。 对我来说，这以一种轻量级的方式解决了快速测试和部署来自 issues/PRs 的代码的问题。现有的 CI/CD 系统对于这种用例来说感觉过于复杂了。 仓库：<a href="https://github.com/simonjcarr/gocd" rel="nofollow">https://github.com/simonjcarr/gocd</a> 我非常希望得到社区的反馈——特别是关于这种最小化的 CI/CD 方法是否对其他人有用，以及你希望在这种工具中看到哪些功能。

大家好，鉴于最近针对 NPM 供应链的攻击有所增加，我整理了一份技巧和窍门列表，以帮助开发人员在这个特定问题上保持安全：<a href="https:&#x2F;&#x2F;github.com&#x2F;bodadotsh&#x2F;npm-security-best-practices" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;bodadotsh&#x2F;npm-security-best-practices</a> 欢迎大家查看，并贡献你们自己的见解和最佳实践，使其成为社区的综合资源。 谢谢！