tgbot
在带有sqlalchemy数据库的python3上运行的模块化电报Python机器人。
它最初是具有多个管理功能的简单组管理机器人，现已演变为模块化机器人的基础，旨在通过简单的拖放即可提供简单的插件扩展。
可以在电报上找到。
有关创建自己的机器人的问题，请转到，在这里您会找到一组志愿者来提供帮助。 当数据库架构更改，并且某些表列需要修改/添加时，我们也会提供帮助（此信息也可以在提交消息中找到）
如果您只想了解新功能或公告，请加入。
我们还可以发现Marie和我主持了，该旨在为您在聊天中设置Marie提供帮助（不适用于漫游器克隆）。 随时加入以报告错误，并随时关注bot开发的状态。
请注意维护者，所有架构更改都将在提交消息中找到，并且它们有责任读取任何新的提交。
重要通知：
该项目不再处于主动维护状态。 可能会发布一些临时的错误修复程序，但是没有计划添加任何新功能。 鼓励用户迁移到 ，这是该项目的改进版本，以golang编写，同时考虑了可伸缩性。
启动机器人。
设置数据库并完成配置（见下文）后，只需运行：
python3 -m tg_bot
设置机器人（
2022-06-09 18:31:16
109KB
1
:warning: 实验性的。 请注意，这是预发行版本。
gNMI网关
gnmi-gateway是用于连接多个目标的分布式且高度可用的服务。 当前仅支持RPC。
常见的用例是：
向gNMI客户端提供多个流，同时保持与gNMI目标的单个连接。
向gNMI客户端提供高可用性的流。
在多个服务器之间分配gNMI目标连接。
将gNMI流导出为其他数据格式和协议。
根据其他系统（例如，您的NMS或网络清单等）中的数据动态地建立与gNMI目标的连接。
设计
概述
gnmi-gateway用Golang编写，旨在为对使用gNMI数据（使用建模）感兴趣的用户和组织轻松扩展。 但是，如果您对编写自己的代码不感兴趣，则可以使用一些内置组件从命令行轻松使用。
gnmi-gateway基于从Target Loaders接收到的数据连接到gNMI目标。 然后，将gNMI通知消息转发到gnmi-gateway缓存，具有
2022-06-06 10:49:57
188KB
1
Weaviate 简而言之：Weaviate 是一个矢量搜索引擎和矢量数据库。Weaviate 使用机器学习来矢量化和存储数据，并找到自然语言查询的答案。使用 Weaviate，您还可以将您的自定义 ML 模型用于生产规模。
Weaviate 详细信息：Weaviate 是一个低延迟矢量搜索引擎，开箱即用地支持不同的媒体类型（文本、图像等）。它提供语义搜索、问题-答案-提取、分类、可定制模型 (PyTorch/TensorFlow/Keras) 等。Weaviate 在 Go 中从头开始构建，存储对象和向量，允许将向量搜索与结构化过滤与云原生数据库的容错相结合，所有这些都可以通过 GraphQL、REST 和各种语言客户端访问。
2022-06-05 19:06:21
1.91MB
PyTorch度量学习文档请在此处查看文档Google Colab示例请参阅示例文档文件夹，以显示带有loggin的整个培训/测试工作流程。PyTorch Metric学习文档请在此处查看文档，其中Google Colab示例请参阅示例文件夹，以显示完整的培训/测试工作流程与日志记录和模型保存。
该库的优点易于使用在培训循环中只需两行代码即可向您的应用程序添加度量学习。
通过一个功能调用即可实现矿井对和三井架。
灵活性以其他图书馆的方式混合和匹配损失，矿工和培训师
2022-05-21 22:59:01
12.91MB
1
人工智能-机器学习-模块化机器狗Multiagent软件模型研究与设计.pdf
2022-05-19 10:07:26
2.6MB