最新

大家好，我叫 Andrew。我是一名独立开发者，很高兴发布 Smart Switcher。<p>Smart Switcher 是一款数据驱动的窗口切换器，旨在改善整体的窗口切换体验。 它会记录你的窗口切换数据，然后预测算法会分析这些数据，并用它来预测你接下来想切换到哪个窗口。<p>当你需要切换窗口时，按下切换快捷键即可切换到下一个预测窗口。 如果这并不是你想要的窗口，请按覆盖快捷键切换到下一个最有可能的窗口。 你可以根据需要多次按下覆盖快捷键，直到到达你想要的窗口。<p>在这里查看。 <a href="https:&#x2F;&#x2F;aboveaverageuser.com&#x2F;smartswitcher" rel="nofollow">https:&#x2F;&#x2F;aboveaverageuser.com&#x2F;smartswitcher</a>

设计是免费的，您将获得材料选择和成本明细，然后如果您想购买戒指，可以获取报价。我与伦敦和英国珠宝区大约 50 位珠宝商合作，但我觉得仅仅设计一枚戒指也挺好的。

我刚刚发布了 [`sdtn`](https:&#x2F;&#x2F;crates.io&#x2F;crates&#x2F;sdtn)，这是一个基于 RFC 9171 的延迟/中断容忍网络 (DTN) 的开源实现。<p>它的目标是提供一个最小化、实用的 DTN 节点，能够： - 通过 TCP 传输 Bundle (CLA) - CBOR 编码的 Bundle - 基于 ACK 的交付确认 - Bundle 的过期和清理 - 基于 CLI 的控制和调试<p>目标是扩展这个基础，以支持 BLE、LoRa 和动态路由，适用于间歇性连接的环境——例如太空、偏远地区或灾难恢复场景。<p>GitHub: https:&#x2F;&#x2F;github.com&#x2F;Ray-Gee&#x2F;spacearth-dtn 文档: https:&#x2F;&#x2F;docs.rs&#x2F;sdtn<p>欢迎提供反馈和讨论！

我们刚刚推出了 Cloudexplain，一个只需几行代码就能让机器学习模型轻松实现可解释人工智能 (XAI) 的平台。 作为数据科学家，我们对解释机器学习模型所浪费的时间感到非常沮丧——可视化 SHAP 值、创建仪表板、理解黑盒模型，或者为利益相关者手动构建报告。我们构建了 Cloudexplain 来自动化这一过程，并解决开源 XAI 库目前的不足之处。 它的功能： * 只需几行代码即可生成标准化的交互式 XAI 可视化 * 支持开源机器学习库（支持 scikit-learn、XGBoost、TensorFlow、PyTorch 等） * 模型解释、特征重要性 * 通过云基础设施扩展扩展到数百万次预测（仅限托管计划） * 让您并行运行 XAI 程序和推理运行 * 为开发人员和非技术利益相关者提供协作就绪的见解 * 通过 Python SDK 或 REST API 轻松集成 * 帮助满足 GDPR 或 CCPA 的要求 快来体验一下吧，看看示例用例，并告诉我们您的想法。