介绍 IB异步库的目标是尽可能简化来自Interactive Brokers的工作。 主要特点是： 易于使用的线性编程风格； 自动与TWS或IB网关应用程序保持同步的； 针对高级用户的基于和完全异步框架； 在Jupyter笔记本电脑中与实时数据进行交互式操作。 请务必查看，配方和API文档。 安装 pip install ib_insync 对于Python 3.6，也要安装dataclasses软件包（较新的Python版本已安装）： pip install dataclasses 要求： Python 3.6或更高版本； 正在运行的TWS或IB网关应用程序（版本972或更高版本）。 确保已启用API端口，并选中了“下载连接上的未完成订单”。 不需要来自IB的ibapi软件包。 例子 这是下载历史数据的完整脚本： from ib_insync import *

Toou 2D-为方便使用而创建，为简单起见！ 由团队制作的Qt（快速）2D轻量级框架在下文中称为“ T2D”，使用其自己的接口规范编写，可免费用于商业软件和开源项目。 简洁的代码结构易于扩展和修改，完美考虑了应用程序的性能和动态性，解决了组件少，体积大，无主题包的问题。 T2D使用阈值非常低，无需深入研究就get it right away 。从核心代码到组件API的每个细节都经过精心设计，非常适合rapid development应用程序界面。 :::他的优势是什么 数十个组件可满足您不同的开发需求 支持动态库，静态库多模式编译 Qml插件无需任何环境设置即可自动安装 所有组件均支持主题功能 可以在INI文件中轻松配置主题 高效运行切换主题，无延迟 不使用Controls和Controls2的Toou2D可获得更好的性能 支持Font Awesome，Svg图标 丰富的Demo供学习和参考，T2D入门更容易 支持使用本地API文档和网络API文档 计划长期的开源路线是明确的，并且长期维护可以安全使用 继承Qt跨平台功能并遵循Qt语法规范 让我们一起创造美好的明天：） :::这些开

jevois：JeVois智能机器视觉框架

沃罗诺伊 使用Fortune算法计算voronoi图的Swift框架。 使用VoronoiDiagram类可计算voronoi图的像元。 Voronoi图是将给定点之间的线一分为二的边。 单元中的每个点比任何其他voronoi点都更靠近该单元的voronoi点。 位于两个像元边缘的点与两个voronoi点等距。 财富算法 财富算法是一种在O(n log(n))时间内求解voronoi图的方法。 它只需要在每个voronoi点处以及在三个voronoi点所形成的可能圆上发生事件（发生在O(n)时间），并且还需要在每个站点事件（发生在O(log(n))时间。 Fortune的算法使用海滩线（由给定x坐标处的抛物线的最小值形成的分段曲线）和扫掠线（与抛物线的方向线相对应的水平线）。 每个voronoi点对应于抛物线的焦点，扫掠线对应于准线。 抛物线可以定义为焦点（点）和方向（线）。 抛物线

区块链数据库 构建基于区块链的应用程序的框架

Raster Vision是一个开放源代码Python框架，用于在卫星，航空和其他大型影像集（包括倾斜的无人机影像）上构建计算机视觉模型。 它允许用户（不需要成为深度学习专家！）可以快速重复地配置执行机器学习管道的实验，包括：分析训练数据，创建训练芯片，训练模型，创建预测，评估模型和捆绑模型文件和配置，以便于部署。 内置支持使用PyTorch进行芯片分类，对象检测和后端语义分割。 可以在内置支持使用在云中运行的CPU和GPU上执行实验。 该框架可扩展到新的数据源，任务（例如实例分段），后端（例如Detectron2）和云提供商。 有关更多详细信息，请参见。 建立 可以通过多种方法来设置Raster Vision： 要从头开始构建Docker映像，请克隆此仓库后，运行docker/build ，然后使用docker/run容器。 Docker映像已发布到 raster-vision图像的标签确定它是哪种图像： pytorch-*标签用于运行PyTorch容器。 每次合并到master ，我们都会发布一个新标签，并使用提交哈希的前7个字符进行标签。 要使用最新版本，请拉l

UI UI套件-前端框架 执照 版权所有（c）Grigore Stefan 根据许可获得许可。 这是不同作品的汇编。 某些文件受其他许可的约束，并带有其他要求和版权信息。 这可以在源文件或/和二进制文件帮助命令的许可证文件，许可证或版权注释栏中指出。

简单简历 快速链接： [Docker]（#docker） 关于 使用SimpleCV（计算机视觉的开源框架）使计算机具有视觉效果 SimpleCV是使用OpenCV和Python编程语言的开放源代码机器视觉的框架。 它为相机，图像处理，特征提取和格式转换提供了简洁易读的界面。 我们的使命是为休闲用户提供用于基本机器视觉功能的全面界面，以及为高级用户提供优雅的编程界面。 我们之所以喜欢SimpleCV，是因为： 即使是初学者，也可以编写简单的机器视觉测试 摄像机，视频文件，图像和视频流均可互操作 可以轻松提取，分类和过滤有关图像特征的信息 操作速度快，名字容易记住 线性代数是严格可选的 这

1、本框架是完整的接口自动化测试框架源码 2、已实现get、post请求，json、data、params参数格式 3、实现全局变量和局部变量引用${变量名} 4、实现jsonPath参数化 5、支持跳过用例和重跑用例 6、支持响应断言、code码断言等断言方式 7、yaml维护测试用例 本框架使用者只需要维护yaml用例文件即可，不需要改动任何代码；适用初学者、进阶者、无代码经验者；框架中有详细教程。 可加笔者V（sxz1020923）进行技术讨论。

基于EF+MVC框架构建的通用企业网站后台管理系统，集成轻量级的缓存模块、日志模块、上传缩略图模块、通用配置及服务调用， 提供了OA、CRM、CMS的原型实例，适合快速构建中小型互联网及行业Web系统