1作者: medicis1238 个月前
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
4作者: soxprox8 个月前
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。
5作者: bodash8 个月前
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!