纺织包装 免费和开源的 TexturePacker 替代品 目前的特点： 最小和最大纹理尺寸 非二次幂纹理大小 “架子”和“堆栈”布局 遮罩、修剪、填充和挤出精灵 自动旋转精灵 在 MIT 许可下发布。 有关条款，请参阅许可证文件。

支持各种文件内容检索，文本，word，excel，js，java等，只能检索文件里的内容，和win7的索引功能几乎一致，速度还要更快一些，但不能像evertthing那样检索文件名。模糊匹配是一个字一个字的匹配，不太好用，但精确匹配相当的好用。适用场景：非win7系统，索引工具不好用的地方，能用索引还是推荐索引，用过的都说香。如果你没有积分，直接度娘搜索找资源下载也可以的，有积分支持一下就更好。文件有一个过期时间，过期之后，卸载重装就可以继续用，作者貌似都已经找不到了，所以解不到锁的。

MultiscaleTopOpt：使用晶格微尺度响应的替代模型的3D多态拓扑优化代码

在本教程中，我正在研究在代码中使用millis函数。 描述它与使用延迟功能相比具有的优势。

链路概率模型 (LPM) 可用作指数随机图模型 (ERGM) 的替代方法来模拟网络数据。 LPM 根据基于历史频率的链接概率来表征网络。 在本文中，LPM 与 ERGM 进行了比较和对比。 通过将这两种方法应用于四个纵向数据集来检查这两种方法的相对效用。 描述了这两种方法在数据需求、可扩展性和假设方面的相对优势和劣势。

使用redisson替代jedis中的的对应方法，以及对应的redis的命令在这三方中对应查询及操作，

WebView2兼容VUE ,替代Electron/CefSharp的放哪(自定义浏览器内核)

调谐斯克莱恩 Tune-sklearn是Scikit-Learn的模型选择模块（GridSearchCV，RandomizedSearchCV）的替代品，它具有尖端的超参数调整技术。 产品特点 以下是tune-sklearn提供的功能： 与Scikit-Learn API的一致性：在标准Scikit-Learn脚本中更改少于5行即可使用API​​ []。 现代调整技术：tune-sklearn使您可以通过简单地切换几个参数来轻松利用贝叶斯优化，HyperBand，BOHB和其他优化技术。 框架支持：tune-sklearn主要用于调整Scikit-Learn模型，但它也支持并提供了许多其他带有Scikit-Learn包装器的框架的示例，例如Skorch（Pytorch）[ ]，KerasClassifier（Keras）[ ]，和XGBoostClassifier（XGBoost）[]。 向上扩展：Tune-sklearn利用 （一个用于分布式超参数调整的库）在不更改代码的情况下并行化多个核甚至多个机器上的交叉验证。 查看我们的和（针对master分支）。 安装 依存关

HedEx Lite能实现的它都能实现，而且占用空间小

系统监视器：基于Qt的gnome系统监视器的替代品