2023年6月9日的热门GitHub项目：发现今天最流行的存储库！
已经出现在以前的Github排名列表中的项目将不显示详情，请参考以前的列表获取信息。
第1名 MCRcortex/nekodetectorhttps://github.com/MCRcortex/nekodetectorNekoclient感染检测器语言：Java收藏：369（今日63颗星）分支：46 Neko Detector 是一个旨在检测输微软的恶意软件 fractureiser 的工具，它会感染任何能够找到的 jar 文件。该工具会扫描电脑中的每个 jar 文件，并检查感染的迹象，帮助用户确定是否已经被感染。这个工具可以在各个领域应用，包括网络安全和恶意软件检测。它在金融、医疗和政府等行业中有商业应用，其中数据安全至关重要。该工具易于使用，可以在 Windows 和 Linux 操作系统上运行。通过使用 Neko Detector，用户可以保护他们的系统不受 fractureiser 恶意软件的影响，并防止潜在的数据泄漏。———————
排行#2 Intel/Intel-One-Mono https://github.com/intel/intel-one-mono Intel One Mono字体存储库 语言：星星数量：307星（今日） 分叉：40 Intel One Mono Typeface是一种专为开发人员设计的字体系列，专注于清晰度和易读性。它由Frere-Jones Type与Intel Brand Team和VMLY＆R合作创建，并在每个设计阶段由低视力和法定盲人开发人员面板提供反馈。字体系列包括四种重量 - Light，Regular，Medium和Bold - 配有配套的斜体，并使用拉丁字母脚本涵盖了超过200种语言的广泛范围。它可在开放源码字体许可下免费使用。
此项目可应用于各个领域，包括软件开发、网页设计和平面设计。在技术、广告和出版等行业，文本的易读性至关重要，因此具有商业应用。此字体家族易于使用，可以安装在台式机和移动设备上，并可用于网页设计。英特尔 One Mono 字体还包括多种其他功能，如升高冒号、语言支持、上标/下标数字等，使其成为开发人员和设计师的多功能实用选择。
排名＃3 xinyu1205 / Recognize_Anything-Tag2Text https://github.com/xinyu1205/Recognize_Anything-Tag2Text 识别任何东西和Tag2Text型号的代码 语言：Python 星级：508（今天105颗星星） 分叉：41 Recognize Anything项目是两个模型的官方PyTorch实现：Recognize Anything模型（RAM）和Tag2Text模型。RAM是一个功能强大的图像标记模型，可以高精度地识别任何常见类别，而Tag2Text是一个高效且可控的视觉语言模型，具有标记指南。当与本地化模型（如Grounded-SAM）结合使用时，Tag2Text和RAM形成了强大且通用的视觉语义分析流水线。
此项目可应用于多个领域，包括计算机视觉、机器学习和自然语言处理。它在电子商务、广告和社交媒体等行业具有商业应用，图像识别和标记对于有效的营销和用户参与至关重要。模型易于使用，可在各种应用中实现，例如视频问答工具和多模大型模型。
“认识一切”项目提供了多个有用的教程和资源，包括RAM和Tag2Text的Web演示、访问RAM和Tag2Text主页，以及两个模型的arXiv论文。该项目强调了在计算机视觉任务中识别和定位的重要性，并展示了RAM的卓越识别能力和Tag2Text优良的图像标签识别能力。由于其开放式能力，RAM能够识别任何常见类别，使其成为各种应用的宝贵工具。
排名＃4 变形金刚Optimus/SuperAGI https://github.com/TransformerOptimus/SuperAGI SuperAGI - 先导开源自主 AI 代理框架。能够帮助开发者快速可靠地建立、管理和运行实用的自主代理。编程语言：Python。收获星数：6,428（今日增加 606）。派生数量：579。—— ———— ———— ———— ———— ———— ———— ————
排名＃5 Hufe921 / canvas-editor https://github.com/Hufe921/canvas-editor Canvas Editor是一款使用canvas / svg渲染文本的富文本编辑器。 项目提供了多种功能，包括一个正在开发中的通过svg渲染图层以及现在可用的导出pdf功能。 该编辑器易于使用，并可通过npm进行安装。 语言：TypeScript 星标：1,003（今日新增117个星标） 分支：129
此项目可应用于各种领域，包括网站开发、内容创作和文档管理。它在出版、教育和法律服务等行业中具有商业应用价值，其中文档的创建和管理至关重要。该编辑器旨在改善列表和标题格式、提高性能，并提供控制规则和表格分页功能。它还提供CRDT功能，可以实时进行协作编辑。
Canvas编辑器项目目前仍在开发中，计划添加下一步功能包括改进列表和标题格式、提高性能以及提供表格分页功能。编辑器高度可定制，可用于各种应用程序。该项目提供了有用的文档页面，以及编辑器的实际快照。由于其丰富的文本编辑功能和可定制的特点，Canvas编辑器项目是各种应用程序的有价值的工具。
等级＃6 IsaacMarovitz / Whisky https://github.com/IsaacMarovitz/Whisky 一种现代的、用SwiftUI构建的macOS上的Wine封装 语言：Swift 星级：1,679（今天381颗星） 分叉：36 Whisky项目是一个图形化的Wine封装器，采用本地SwiftUI构建，为macOS用户提供了一个干净、易于使用的界面。该项目允许用户创建和管理瓶子，安装和运行Windows应用程序和游戏，并在不需要技术知识的情况下释放他们的Mac的全部潜力。Whisky基于CrossOver 22.1.1和苹果自己的游戏移植工具包构建，使其成为在macOS上运行Windows应用程序和游戏的强大工具。
该项目可应用于各个领域，包括软件开发、游戏和多媒体制作。它在游戏开发、视频编辑和图形设计等行业拥有商业应用，跨平台兼容性至关重要。Whisky项目提供了一个熟悉的用户界面，与macOS无缝集成，使用户轻松管理瓶子，轻松进行调试和分析。
该项目高度可定制，并提供有用的常见问题解答。它构建在CrossOver 22.1.1和苹果自己的游戏移植工具包的基础上，确保高性能和可靠性。Whisky项目具有清晰的界面和强大的功能，是需要运行Windows应用程序和游戏的macOS用户的有价值的工具。
排名 #7 苹果/自制苹果 https://github.com/apple/homebrew-apple
语言: Ruby 收藏数：1,940 (今天收藏数：1,054) 派生数: 54 ———
排名第8的fractureiser-investigation / fractureiser https：//github.com/fractureiser-investigation/fractureiser关于fractureiser恶意软件的信息语言：JavaStars：785（今天267颗星）Forks：56 Fractureiser项目是一项针对在CurseForge和CraftBukkit的开发网站上传的几个Minecraft项目中发现的病毒的恶意软件调查和缓解努力。该恶意软件称为fractureiser，嵌入了多个mod中，其中一些被添加到非常受欢迎的mod包中。该恶意软件仅知道攻击Windows和Linux系统，并且如果未经检查可能非常危险。
该项目可应用于网络安全和恶意软件调查领域。在软件开发、游戏和内容创作等产业中具有商业应用价值，数字资产的安全至关重要。
Fractureiser项目提供有关恶意软件影响的表面信息，检查恶意软件是否存在以及如何删除恶意软件的步骤，以及针对mod玩家的常见问题解答。对于那些希望深入了解的人，该项目提供了事件时间轴和恶意软件的技术分解。
该项目仍在进行中，正在不断努力完善面向用户的文档，并研究预防此类规模问题的措施和解决方案。Fractureiser缓解团队也鼓励任何与此恶意软件相关的文件上传至https://wormhole.app，并将URL电子邮件发送至fractureiser.investigation@opayq.com。
总的来说，“Fractureiser”项目对于那些受到恶意软件影响以及对网络安全和恶意软件调查感兴趣的人来说，是非常有价值的资源。
排名#9 ruanyf/weeklyhttps://github.com/ruanyf/weekly 科技爱好者周刊，每周五发布 语言：星星数量：今日增加115颗星星 Forks：2,270
排名＃10 bregman-arie/devops-exercises https://github.com/bregman-arie/devops-exercises Linux、Jenkins、AWS、SRE、Prometheus、Docker、Python、Ansible、Git、Kubernetes、Terraform、OpenStack、SQL、NoSQL、Azure、GCP、DNS、弹性、网络、虚拟化。 DevOps面试问题 语言：Python 星级：43,832（今天77星） 分叉：9,787 技术面试问题和练习项目是包含各种技术主题的问题和练习的集合，有时与DevOps和SRE有关。该存储库目前包含超过2600个练习和问题，涵盖广泛的主题，包括DevOps、Git、网络、硬件、Kubernetes、软件开发、Python、Go、Perl、正则表达式、云、AWS、Azure、Google云平台、OpenStack、操作系统、Linux、虚拟化、DNS、Shell脚本、数据库、SQL、Mongo、测试、大数据、CI / CD、证书、容器、OpenShift、存储、Terraform、木偶、分布式、Ansible、可观察性、Prometheus、Circle CI、Grafana、Argo、软技能、安全、系统设计、混沌工程、杂项、弹性和卡夫卡。
该项目可应用于各个领域，包括软件开发、IT运营和网络工程。它在像科技、金融和医疗保健这样的行业中有商业应用，这些行业中技术专业知识至关重要。技术面试问题与练习项目为那些准备技术面试或希望扩展其在各种技术主题方面的知识的人们提供了一个有用的资源。
该项目高度可定制，用户可以通过提交 pull requests 来添加更多的练习。该仓库还提供了贡献指南，以确保所添加的练习符合项目的标准。技术面试问题和练习项目是那些希望在各个领域提高他们的技术技能和知识的人的宝贵资源。
排名 #11 hncboy/chatgpt-web-java https://github.com/hncboy/chatgpt-web-java ChatGPT 项目是使用 Java 开发的，基于 Spring Boot 3 和 JDK 17，支持 AccessToken 和 ApiKey 模式。语言：Java，星标数：1,102（今日新增 144），Fork 数：379 —— —— —— —— —— —— —— —— —— —— —— ——
排名第12位 InternLM/InternLM-techreport https://github.com/InternLM/InternLM-techreport
语言：星级：星级（今天有51颗星星） 叉：15 InternLM项目是由上海人工智能实验室和商汤联合开发的多语言大型语言模型，与多所大学合作开发。该项目提供了一个基础语言模型，具有104B个参数，预先在具有1.6T个标记的大型语料库上进行了预训练。该模型已经微调以与人类偏好相一致，并在包括MMLU、AGIEval、C-Eval和GAOKAO-Bench在内的综合考试中表现出色，而不需要使用外部工具。该项目在多个方面实现了最先进的性能，包括知识理解、阅读理解、数学和编码。
这个项目可以应用在各个领域，包括自然语言处理、机器学习和人工智能。它在技术、金融和医疗等行业都有商业应用，语言处理和理解是至关重要的。InternLM项目为那些想要提高其语言理解和处理能力的人提供了有价值的资源。
该项目非常可定制，用户可以访问技术报告并下载PDF文件。InternLM项目是语言处理领域的重大贡献，展示了大型语言模型在各种应用中的潜力。
Rank #13 BradyFU / Awesome-Multimodal-Large-Language-Models https://github.com/BradyFU/Awesome-Multimodal-Large-Language-Models 多模式大语言模型最新论文和数据集 语言：Stars： 星（今天37星）Forks：33 Awesome-Multimodal-Large-Language-Models项目是一份精选的多模式大语言模型（MLLM）列表，包括数据集，多模式指令调整，多模式情境学习，多模式思维链，LLM辅助视觉推理，基础模型等。该项目提供了与MLLM相关的论文、代码和演示的全面列表。该列表实时更新，MLLM的一份调查报告正在准备中，即将发布。
该项目可应用于各种领域，包括自然语言处理、计算机视觉和机器学习。它在技术、金融和卫生保健等行业中具有商业应用，这些行业中语言处理和理解至关重要。Awesome-Multimodal-Large-Language-Models项目为那些希望提高多模式语言模型理解和处理能力的人提供了有价值的资源。
该项目高度可定制，用户可以访问与 MLLMs 相关的经过筛选的论文、代码和演示的列表。Awesome-Multimodal-Large-Language-Models 项目对于语言处理领域做出了重大贡献，并展示了多模式语言模型在各种应用中的潜力。
排名第14位 SysCV/sam-hqhttps://github.com/SysCV/sam-hq高质量分割任何东西语言： 星级： 星级（今日206星） 分支： 32 — — — — — — — — — — — — — — — —
排名第15 ansible-semaphore/semaphorehttps://github.com/ansible-semaphore/semaphore Ansible的现代UI语言：Go 星：6,600（今天70星） Forks：770 Ansible Semaphore是Ansible的现代UI，使用户可以轻松运行Ansible剧本，获取有关失败的通知，并控制对部署系统的访问。 它为Ansible提供了一个用户友好的界面，这是一种流行的开源自动化工具，并旨在简化部署过程。该项目提供了Snap和Docker的安装指南，使用户可以轻松设置和使用Ansible Semaphore。
这个项目可以应用于各个领域，包括IT运营、DevOps和软件开发。在科技、金融和医疗等行业中具有商业应用，其中自动化和部署至关重要。Ansible Semaphore为那些希望简化他们的部署流程和提高自动化能力的人们提供了宝贵的资源。
该项目非常可定制，用户可以通过提交拉请求和UX审查来为项目的开发做出贡献。Ansible信号量项目是自动化和部署领域的重要贡献，展示了用户友好界面对流行开源工具的潜力。
排名：第16位 camenduru/text-to-video-synthesis-colab https://github.com/camenduru/text-to-video-synthesis-colab 文本到视频合成Colab 语言：Jupyter笔记本 星级：701（今天185个赞） 分叉：57 文本到视频合成Colab项目提供了一系列Colab笔记本，可以使用预先训练的模型从文本生成视频。该项目包括各种预训练模型，例如potat1、zeroscope_v1、ms_1_7b和animov，这些模型可在Hugging Face模型中心获得。笔记本提供了一个用户友好的界面，使用户可以轻松创建视频，无需任何先前的视频合成知识。
此项目可在各个领域应用，包括视频制作、广告和娱乐等。它在媒体、营销和电影等行业具有商业应用，视频制作和内容创作至关重要。“文本到视频合成 colab 项目”为那些希望从文本生成视频，提高视频合成能力的人提供了有价值的资源。
此项目高度可定制，用户可以使用自己的文本，并微调预训练模型，以生成满足其特定需求的视频。文本到视频合成 Colab 项目对视频合成领域做出了重要贡献，并展示了用户友好界面对流行的预训练模型的潜力。
排名＃17 Vahe1994/SpQR https://github.com/Vahe1994/SpQR
语言：Python 收藏：190（今日27个收藏） 分叉：17 SPQR模型压缩项目提供了一种量化算法和模型评估代码，用于近乎无损语言模型(LLM)权重压缩的稀疏量化表示方法。该项目基于研究论文《SpQR：一种用于近乎无损LLM权重压缩的稀疏量化表示》。该项目提供了一种压缩LLMs的方法，这对于文本生成和情感分析等自然语言处理任务至关重要。
此项目可应用于各个领域，包括自然语言处理、机器学习和人工智能。在科技、金融和医疗保健等行业中，其中语言处理和理解是至关重要的商业应用。SPQR模型压缩项目为那些希望压缩LLM并提高其语言处理能力的人提供了有价值的资源。
该项目高度可定制，用户可以调整压缩参数以在压缩和损失之间取得平衡。SPQR模型压缩项目是在LLM压缩领域的一个重要贡献，展示了稀疏量化表示对于LLM权重的几乎无损压缩的潜力。
排名 #18 fiatrete/OpenDAN-Personal-AI-OS https://github.com/fiatrete/OpenDAN-Personal-AI-OS OpenDAN是一款开源的个人AI操作系统，在一个地方整合了各种AI模块供个人使用。 语言：Python 星：804（今天219颗星） Forks：43
居第19位 pittcsc/Summer2024-Internships https://github.com/pittcsc/Summer2024-Internships 汇集了2023年夏季和2024年夏季技术实习的信息！ 语言： 收藏数： 星 （今日170个星） 分支数： 1,868
排名＃20 datawhalechina/prompt-engineering-for-developers https://github.com/datawhalechina/prompt-engineering-for-developers 吴恩达大模型系列课程中文版，包括《Prompt工程》、《建造系统》和《LangChain》 语言：Jupyter Notebook 星级：4,137（419星今天） 叉子：465 — — — — — — — — — — — — — — — —
排名#21 ggerganov/ggmlhttps://github.com/ggerganov/ggml 用于机器学习的张量库 语言：C 星：3,840（今天的161颗星） 分叉：289
排名第22 reactive-python/reactpy https://github.com/reactive-python/reactpy 这是Python中的React语言：Python 星级：4,226（今天新增929个“星”） Forks：159
排名 #23 Cyfrin/foundry-full-course-f23 https://github.com/Cyfrin/foundry-full-course-f23
语言：星星：星星（今天有57个星星） Forks：50 区块链开发人员、智能合约和Solidity课程是一门涵盖区块链技术、智能合约和Solidity编程语言基础的全面课程。该课程适用于初学者到专家，并由人工智能提供支持。厂房2023版包括15个课程，涵盖区块链基础知识、智能合约、Remix Simple Storage、Remix Storage Factory、Remix Fund Me、AI提示和Foundry Simple Storage等主题。
该课程可应用于各个领域，包括区块链开发、智能合约开发和加密货币等方面。在财务、医疗保健和供应链管理等行业中，区块链技术至关重要，因此该课程也具有商业应用。区块链开发、智能合约和Solidity课程为那些希望学习区块链开发并提高编程技能的人提供了有价值的资源。
该课程提供了推荐工具、测试网水龙头和资源，让用户轻松开始区块链开发。此外，该课程还提供了奖励NFT，可用于商业应用，例如数字资产管理和所有权跟踪。
区块链开发者，智能合约和Solidity课程对于区块链开发领域是重要的贡献，展示了人工智能教育在复杂技术领域的潜力。
排名 #24 jonasschmedtmann/ultimate-react-course https://github.com/jonasschmedtmann/ultimate-react-course 我的Ultimate React课程的起始文件、最终项目和常见问题解答。 语言：JavaScript 收藏数：428（今日95个star） 分支数：102 ——————————
排名 #25 ciaochaos/qrbtf https://github.com/ciaochaos/qrbtf一个艺术 QR 码美化器。https://qrbtf.com语言：JavaScript星级：3,556（今天增加了501个星星）分叉：314
