imgp 是用于 JPEG 和 PNG 图像的命令行图像调整器和旋转器。它可以以非常快的速度一次调整数千张图像的大小和旋转，同时显著节省存储空间。特征：按百分比或分辨率调整大小，顺时针旋转指定角度，考虑方向的自适应调整大小，优化图像以节省更多空间，按最小图像大小限制处理，将 PNG 转换为 JPEG，擦除 exif 元数据指定输出 JPEG 图像质量强制从小到大调整大小递归处理目录覆盖源图像选项，最小的依赖。
如果指定的方向和图像方向相同 [(H >= V and h > v) 或 (H < V and h < v)]，则以较长的指定边作为参考调整图像大小。在横向 [(H >= V and h <= v) 或 (H < V and h >= v)] 的情况下，图像以较短的指定边作为参考调整大小。如果图像的分辨率为 2048x1365 并且被调整为 1366x768，在常规模式（默认）下，输出图像分辨率将为 1152x768，在自适应模式下，输出图像分辨率为 1366x910
FileRenameTool 是使用 javafx 开发的一款文件重命名工具，可快速实现文件批量重命名，支持多种自定义规则，可以快速提高文件重命名的效率节省许多时间。
包括文件的前缀、主文件名、位数、后缀等，可以方便地修改文件的名字，不仅可以重命名文件，还支持替换和删除字符、插入序号，以及转换文件名的大小写等，功能非常丰富，可以满足各种重命名需要，软件的最大特色可以批量重命名，可以对大量的文件同时修改，更加快速高效，解放你的双手，而且可以提前预览改名后的效果，确定没问题再进行保存，不用担心改错的问题。
环境搭建说明：开发环境为jdk1.8，基于maven构建使用eclipase或Intellij Idea开发(推荐使用Intellij Idea)。该项目为javaFx开发的实用小工具集xJavaFxTool的插件。本项目使用了lombok,在查看本项目时如果您没有下载lombok 插件。
栈又名堆栈，是一种操作受限的线性表，仅能在表尾进行插入和删除操作。
栈最大的特点是先进后出，就好比我们往桶里面放盘子，放的时候都是从下往上一个一个放，此时就相当于入栈，取的时候只能从上往下一个一个取，此时就好比出栈，这个比喻并非十分恰当，比如拿盘子的时候只是习惯从上面开始拿，也可以从中间拿，而栈的话是只能操作最上面的元素，这样比喻只是为了便于了解。
当某个数据集合只涉及在一端插入和删除数据，并且满足先进后出的特性时，我们就应该首选“栈”这种数据结构。
栈的实现：栈的实现方式有两种，一种是基于数组实现的顺序栈，另一种是基于链表实现的链式栈。它的主要操作也就两个，即入栈和出栈。
顺序栈：基于数组实现，就面临着数组大小固定、扩容成本大的问题。空间复杂度是指除了原本的数据存储空间外，算法运行还需要额外的存储空间。
链式栈：链式栈也是一种数据存储结构，它能够通过单链表的方式来实现，使用链式栈的优点在于它能够克服用数组实现的顺序栈空间利用率不高的特点，但是需要为每个栈元素分配额外的指针空间用来存放指针域。
TabML 旨在创建一个通用的机器学习框架来处理表格数据。
TabML的主要特点在于：处理表格数据的最重要任务之一是处理特征提取。TabML 允许用户独立定义多个功能，而不必担心其他功能。如果你的团队有多个成员同时开发不同的功能，这有助于减少编码冲突。此外，如果需要更新一项功能，则可以不涉及不相关的功能。通过这种方式，计算成本相对较小（与运行管道以重新生成所有其他特征相比）。
参数在配置文件中指定为 protobuf 文件。每次训练后，此配置文件会自动保存到实验文件夹中，以实现可重复性。TabML 与 MLflow 集成，允许用户跟踪所有模型参数和指标。
PyG（PyTorch Geometric）是一个建立在 PyTorch 基础上的库，用于轻松编写和训练图神经网络（GNN），用于与结构化数据相关的广泛应用。
它包括在图和其他不规则结构上进行深度学习的各种方法，也被称为几何深度学习，来自各种已发表的论文。此外，它还包括易于使用的迷你批量加载器（mini-batch loaders），用于在许多小型和单一的巨型图形上操作；多 GPU 支持、大量常见的基准数据集（基于简单的接口来创建你自己的数据集）；以及有用的变换，既可以在任意图形上学习，也可以在3D网格或点云上学习。
PyG的优点：易于使用且统一的 API：只需 10-20 行代码即可开始训练 GNN 模型（有关快速浏览，请参阅下一节）。PyG 是 PyTorch-on-the-rocks：它利用以张量为中心的 API，并保持接近原版 PyTorch 的设计原则。如果你已经熟悉 PyTorch，那么使用 PyG 很简单。全面且维护良好的 GNN 模型：大多数最先进的图神经网络架构已由库开发人员或研究论文的作者实施，并已准备好应用。
极大的灵活性：可以轻松扩展现有的 PyG 模型，以使用 GNN 进行你自己的研究。由于其易于使用的消息传递 API 以及各种运算符和实用函数，对现有模型进行修改或创建新架构非常简单。大规模真实世界 GNN 模型：专注于 GNN 应用在具有挑战性的真实世界场景中的需求，并支持对不同类型图的学习，包括但不限于：具有数百万节点的图的可扩展 GNN；随着时间的推移，用于节点预测的动态 GNN；具有多种节点类型和边类型的异构 GNN。
枚举是一个被命名的整型常数的集合，用于声明一组命名的常数,当一个变量有几种可能的取值时,可以将它定义为枚举类型。通俗来说，枚举就是一个对象的所有可能取值的集合。枚举类型在日常生活中也很常见，例如表示星期的SUNDAY、MONDAY、TUESDAY、WEDNESDAY、THURSDAY、FRIDAY、SATURDAY就可以看成是一个枚举。
枚举类型可以划分为三大类，其中第一类是数字枚举：当我们声明一个枚举类型是,虽然没有给它们赋值,但是它们的值其实是默认的数字类型,而且默认从0开始依次累加；第二类是字符串枚举：如果设定了一个变量为字符串之后，后续的字段也需要赋值字符串，否则报错；第三大类是异构枚举：这种类型就是将数字枚举和字符串枚举结合起来混合起来使用。
就拿生活中的例子打比方，后端返回的字段使用 0 - 6 标记对应的日期，这时候就可以使用枚举可提高代码可读性，包括后端日常返回0、1 等等状态的时候，我们都可以通过枚举去定义，这样可以提高代码的可读性，便于后续的维护。
目前开源项目所展现出来的现象是，自然增长的越发的规模扩大，其中的原因是大多数的开发者都倾向于使用和参与那些较大的项目，而反过来，又由于参与的人数够多，Bug修复的就更快、增加功能也快，质量也高，一个完美的闭环， CNCF 跟踪增长快速的项目，帮助说明在哪些方面可以参与其中，以及在接下来的几年中有可能成为成功的平台。
这些项目大都有一个特点是背后是经营最成功的基金会 或者是大公司的支持，由基金会主持下的开源项目，基金会就能保证企业过度的控制代码这样的行为。 dotnet项目是在.NET基金会的主持下的开源项目，虽然微软的.NET团队是主力，相比贡献者来说比例还不到五分之一，大量的贡献者都来自于社区，社区成员来自于微软之外的大公司，比如Google，AWS，RedHat，三星，龙芯等等。
从.NET 6开始，之后的全平台都是基于MIT 协议开源，版权归属于.NET基金会的最开放的现代化开发平台，自从2014年微软组织并成立.NET基金会以来，已经有众多知名公司加入.NET基金会，Google，微软，AWS三大云厂商已经齐聚.NET基金会，在平台项目中，.NET平台上的ARM 架构由三星团队贡献，在.NET Core 3.1上得到了完整支持，.NET 5上面得到进一步的优化。
MIT内容与三条款BSD许可证内容颇为近似，但是赋予软件被授权人更大的权利与更少的限制。
被授权人有权利使用、复制、修改、合并、出版发行、散布、再授权及贩售软件及软件的副本。被授权人可根据程式的需要修改授权条款为适当的内容。在软件和软件的所有副本中都必须包含版权声明和许可声明。
此授权条款并非属copyleft的自由软件授权条款，允许在自由/开放源码软件或非自由软件（proprietary software）所使用。此亦为MIT与BSD本质上不同处。MIT条款可与其他授权条款并存。另外，MIT条款也是自由软件基金会（FSF）所认可的自由软件授权条款，与GPL相容。
MateCloud 是一款基于Spring Cloud Alibaba的微服务架构。目前已经整合 Spring Cloud Gateway、Spring Security Oauth2、Feign、Dubbo、JetCache、RocketMQ 等服务套件，旨在为用户者提供技术框架的基础能力的封装，减少开发工作，可以专心于业务。
MateCloud的特点在于它采用了最新的 Spring Cloud Hoxton SR8, Spring Boot 2.3.7.RELEASE, Spring Cloud Alibaba 2.2.3.RELEASE 版本进行系统设计优品拍拍；并且支持 nacos 作为注册中心，实现多配置、分群组、分命名空间、多业务模块的注册和发现功能；而且统一了 Oauth2 为认证协议；采用jwt的方式，实现统一认证，并支持自定义 grant_type 实现手机号码登录，第三方登录正在开发中；利用 Spring Boot Admin 来监控各个独立 Service 的运行状态；利用 Hystrix；依托Dashboard 技术来实时查看接口的运行状态和调用频率等。
MateCloud集成了 feign 和 dubbo 两种模式支持内部调用，并且可以实现无缝切换，适合新老程序员，快速熟悉项目；采用 Sentinel 实现业务熔断处理，避免服务之间出现雪崩；并且能否通过注解的方法，来实现用户登录信息的快速注入；通过接入 knife4j，实现在线API文档的查看与调试；基于Mybatis-plus-generator 自动生成代码，提升开发效率，生成模式不断优化中，暂不支持前端代码生成。
项目地址 ：
https://gitee.com/matevip/matecloud
为了能够让开发者可以很快的搭建个人网站，提供了多套主题可供使用，并且可以自己定制，和NodeJS的Hexo是一样的。
使用hugo生成静态页面，并部署到腾讯云的云开发环境。使用云开发的静态页面功能提供网页支持。并做好ssl。这个比github和coding的好处就是在国内加载速度快。简单方便快捷。
Hugo是一款极速的静态页面生成器工具，通过几个简单的命令，生成一个静态网站，比如生成一个Blog、介绍性的网站或者一些文档，官方还提供很多主题包，它是开源的。
hugo是一个通用网站框架，从技术上来说，Hugo是一个静态站点生成器。也就是说，不像WordPress，Ghost和Drupal之类的系统，会奢侈地为每一次访问都生成一次新页面，在你创造出内容时Hugo就已经把页面建好了。由于站点被访问的次数远远大于被编辑的次数，Hugo优化了网站访问的同时，提供了优异的写作体验。
使用Hugo建站极其快速且非常安全。Hugo站点可以部署在任何地方，包括Heroku、GoDaddy、DreamHost、GitHub Pages、Google Cloud Storage、Amazon S3和CloudFront，也能在CDN群上工作的很好。Hugo站点的运行不依赖昂贵的运行环境，如Ruby、Python或者PHP，也不依赖任何数据库。
如果想让Hugo作为创建网站的工具。能够近乎秒建的速度，能够随时重新生成被修改的地方，Hugo为此提供了一个非常快的反馈环路。此反馈环路当你设计网站时非常简便，而当创建内容时也非常实用。
项目地址：
https://github.com/spf13/hugo
