Featured image of post 声明式数据建模、定义简单易懂:下一代 ORM 助你效率倍增 | 开源日报 No.102

声明式数据建模、定义简单易懂:下一代 ORM 助你效率倍增 | 开源日报 No.102

Prisma 是一个下一代 ORM 工具,它包括 Prisma Client、Prisma Migrate 和 Prisma Studio。Prisma Client 是一个类型安全的查询构建器,可用于任何使用 Node.js 和 TypeScript 编写的后端应用程序。它支持 REST API、GraphQL API、gRPC API 等项目。Prisma 的关键特点包括自动生成和类型安全、声明式数据建模和迁移系统,以及提供数据的可视化视图。使用 Prisma,你可以高效地构建和管理数据库。

emilwallner/Screenshot-to-code

Github Repo Stars License: Language:

demo-picture-of-Screenshot-to-code

这个项目是一个基于深度学习的神经网络,用于将设计稿转换成代码。该项目分为三个迭代版本:Hello World 版本、主要神经网络层版本和训练泛化能力版本。模型基于 Tony Beltramelli 的 pix2code,并受到 Airbnb 的草图界面和哈佛大学的 im2markup 启发。

核心优势:

  • 使用领域特定标记进行 HTML/CSS 转换,具有 97% 准确率
  • 具有高达 97% 的准确率
  • 支持在少量 GPU 上进行训练
  • 提供了预先训练好的 Bootstrap 模型

primefaces/primeng

Github Repo Stars License: Language:

demo-picture-of-primeng

最完整的 Angular UI 组件库。

a16z-infra/companion-app

Github Repo Stars License: Language:

demo-picture-of-companion-app

AI Companion App 是一个轻量级的栈,用于创建和托管自己的 AI 伴侣。

主要功能:

  • 创建并与浏览器或通过短信进行文本聊天的 AI 伴侣互动
  • 确定您伴侣的个性和背景故事
  • 提供了 ChatGPT 和 Vicuna 上运行的多种类型 (如恋爱、友谊、娱乐等) AI 伴侣模型选择
  • 使用相似度搜索来检索对话内容以提供更深入有趣的交流体验
  • 在队列中保留对话记录,并将其包含在提示中以实现一定程度上记忆式会话

binpash/try

Github Repo Stars License: Language:

cover

try 是一个开源项目,它允许你在实际变更系统之前运行命令并检查其效果。try 使用 Linux 的 namespace 和 overlayfs 联合文件系统来实现这一功能。该项目具有以下核心优势:

  • 可以在不影响真实系统的情况下运行命令,并对其结果进行检查。
  • 支持自定义已存在的 overlay 目录。
  • 提供了交互式界面和忽略路径等功能。

prisma/prisma

Github Repo Stars License: Language:

demo-picture-of-prisma

Prisma 是一个下一代 ORM,包括以下工具:

  • Prisma Client:为 Node.js 和 TypeScript 自动生成的类型安全查询构建器
  • Prisma Migrate:声明式数据建模和迁移系统
  • Prisma Studio:用于查看和编辑数据库中数据的 GUI 界面

Prima Client 可以在任何使用 Node.js 或 TypeScript 编写的后端应用程序中使用 (包括无服务器应用程序和微服务)。这可以是 REST API、GraphQL API、gRPC API 或其他需要数据库支持的项目。

关键特点与核心优势:

  • 自动生成并且类型安全:使用 Prismia 客户端进行查询时,可以获得完整地代码提示,并确保不会访问不存在属性。
  • 声明式数据建模 & 迁移系统:通过简单易懂的定义来创建你想要表达出来信息。同时也提供了强大而灵活性高效率架构设计能力。
  • 提供查看和编辑数据的视图。

Stability-AI/generative-models

Github Repo Stars License: Language:

cover

Generative Models by Stability AI 是一个开源项目,主要功能是生成模型。该项目的核心优势和关键特点包括:

  • 采用配置驱动的方法实现了模块化设计,通过在 yaml 配置文件中调用 函数来构建和组合子模块。
  • 使用 PyTorch Lightning 进行训练,并且可以轻松使用其他基于基础模块的训练封装器。
  • 清理了核心扩散模型类 (从以前的 改为现在的 ),不再需要广泛地派生子类。处理各种类型条件输入 (向量、序列、空间条件等) 统一使用单个类:GeneralConditioner。
  • 将引导程序 (如无分类器指导) 与采样器分离,并且采样器独立于模型本身。
  • 对自编码网络进行了清理和改进。
Licensed under CC BY-NC-SA 4.0