HCP管道 HCP Pipelines产品是用于处理MRI图像的一组工具（主要但不是唯一地，shell脚本）。 这些工具除其他外，还实现了所述的最小预处理管道（MPP） 有关更多信息，请参见： 当前文档， 项目中的其他文档 有关HCP管道使用和改进的讨论可以发布到hcp-users讨论列表中。 在注册hcp-users

一个从开源项目 MLPrimitives 机器学习和数据科学的管道和原语。 文档： : Github： : 执照： 开发状态： 概述 此存储库包含 MLBlocks 库要使用的原始注释，以及必要的 Python 代码，以使其中一些与 MLBlocks API 要求完全兼容。 还有一组直接贡献给这个库的自定义原语，它们要么结合第三方工具，要么从头开始实现新功能。 我们为什么要创建这个库？ 在一个快速发展的领域中有太多的图书馆 构建机器学习应用程序的巨大社会需求 领域专业知识存在于多个地方（数学知识） 没有关于超参数、行为的文档化信息...... 安装 要求 MLPrimitives已在Python 3.6、3.7和3.8上进行开发和测试 此外，虽然不是严格要求，但强烈建议使用virtualenv以避免干扰运行MLPrimitives的系统中安装的其他软件。 使用

Data Pipelines with Apache Airflow v1 Data Pipelines with Apache Airflow v1

2018-Standards and Guidelines for Validating NGS Bioinformatics Pipelines.pdf

spaCy 用户手册，spaCy是我的自然语言处理（NLP）任务的必备库

spaCy 用户手册，spaCy是我的自然语言处理（NLP）任务的必备库，系列文档。

devops-pipelines

jenkins-pipelines：回购供詹金斯管道学习

前言：大三角帆管道基础设施配置和模板工具-管道为代码

AWS Event Fork管道 AWS Event Fork Pipelines是一种架构模式，其中事件源（例如，Amazon SNS主题）用于将事件发送到多个处理管道。 高级架构如下所示： 每个处理管道都会为Amazon SNS主题创建一个单独的订阅。 可以将SNS应用于每个订阅，以确保每个管道仅接收它们要处理的消息。 该存储库将AWS Event Fork管道实现为一组无服务器应用程序。 每个应用程序都实现通用，可重用的事件处理管道。 所有应用程序均已发布到并可以使用程序轻松集成到现有的AWS SAM应用。 还包括一个示例应用程序，该应用程序演示了如何使用嵌套应用程序将不同的事件处理管道应用程序组合在一起。 无服务器应用 该存储库展示了以下AWS Event Fork Pipelines无服务器应用程序： -处理管道，将主题消息保存到Amazon S3存储桶以用作备份或其他目的，例如，通过Amazon Athena查询。 -处理管道，将主题消息保存到AWS Elasticsearch集群以进行搜索和分析。 -将主题消息保存到重播缓冲区SQS队列的处理管道。 在灾难恢复