学习重点:restful接口设计;前后端分离;数据传输动态密钥加密;jwt过期自动刷新。
bootshiro是基于springboot+sureness的面向REST API资源无状态认证权限管理系统的后端,前端为另一个项目usthe。
提供页面可配置式的,动态的 API 权限安全管理支持;数据传输动态秘钥加密,JWT过期刷新,用户操作监控等加固应用安全。
前端 usthe。仓库地址:基于angular5 + angular-cli + typeScript + rxjs + bootstrap + adminLTE,践行angular最佳实践。
持续集成:流程长这样:
图文讲解:
项目地址:
https://gitee.com/dromara/MaxKey
kaichu497 发布的最新帖子
-
bootshiro
-
用于web的高效AR库AR.js
AR.js 是一款应用于 Web 的高效增强现实(AR)库。特点:即使在手机上也能高效运行,包括 Android、IOS 和 Windows phone 。纯 Web 解决方案,无需安装。基于 three.js + jsartoolkit5;完全开源、免费,适用于任何带有 webgl 和 webrtc 的手机。
-
4G/5G软件无线电套件srsRAN
srsRAN 是 Software Radio Systems(SRS)开发的 4G/5G 软件无线电套件。srsRAN 具有 UE 和 eNodeB/gNodeB 应用,可以与第三方核心网络解决方案一起使用,以建立完整的端到端移动无线网络。srsRAN 套件包括:srsUE - 全栈 SDR 4G/5G-NSA UE 应用程序(5G-SA 即将推出);srsENB - 全栈 SDR 4G eNodeB 应用程序(5G-NSA 和 5G-SA 即将推出);srsEPC - 具有 MME、HSS 和 S/P-GW 的轻量级 4G 核心网络实现 。
-
操作系统框架Genode
Genode 操作系统框架扩展现有的內核(如微內核或程序) ,并提供一个统一的 API 应用程序。
Genode OS 体系结构的核心是一种组织结构,它与分层组织的公司的结构大致相似。如下图所示,Genode 将进程组织为一棵树。红色箭头表示子进程是由其各自父级的资源创建的。创建子进程时,父进程会完全定义在其中执行新进程的虚拟环境。子级又可以从其分配的资源中进一步创建子级,从而创建任意结构的子系统。每个父级都对其创建的子系统保持完全控制,并定义其相互关系,例如通过有选择地允许它们之间的通信或分配物理资源。父子界面在每个层次结构级别上都是相同的,这使得此组织方法可以递归地应用。 -
gRPC到JSON代理生成器gRPC-gateway
grpc-gateway 是 protoc 的插件,它读取 protobuf 服务定义并生成反向代理服务器,该服务将 RESTful HTTP API 转换为 gRPC。 这个服务是根据你的服务定义中的 google.api.http 注解生成的。这可以帮助同时提供 gRPC 和 RESTful 风格的 API。
-
一个视频可视化搭建项目
该开源项目是一个视频可视化搭建项目。通过简单的拖拽方式快速生产一个短视频,使用方式就像易企秀搭建工具一样的简单。
该开源项目后端视频合成部分是基于 FFCreato 开圆孔开发,FFCreator 是一个基于 node.js 的轻量、灵活的短视频加工库。你只需要添加几张图片或视频片段再加一段背景音乐,就可以快速生成一个很酷的视频短片。前端部分 fork 自quark-h5 项目开发,quark-h5 是一个很棒的 h5 搭建开源工具,该项目未做太多扩展。
-
度量学习TensorFlow Similarity
TensorFlow Similarity 是一个用于相似性学习的 TensorFLow 库,也被称为度量学习和对比性学习。目前仍处于测试阶段。Tensorflow Similarity 提供了先进的度量学习算法和所有必要的组件来研究、训练、评估和服务基于相似性的模型。通过 TensorFlow 的相似性,你可以训练并提供模型,在大量的例子语料库中找到类似的项目(如图像)。例如,如上图所示,你可以训练一个相似性模型,从 Oxford IIIT 宠物数据集中寻找和聚类看起来相似的猫和狗的图像,只需在几个类上进行训练。要训 练你自己的相似性模型,可参阅此 notebook。
度量学习不同于传统分类,因为它的目标不同。该模型学习以监督或自我监督的方式最小化相似示例之间的距离并最大化不同示例之间的距离。无论哪种方式,TensorFlow Similarity 都提供了必要的损失、指标、采样器、可视化器和索引子系统,以使其快速简便。目前,TensorFlow Similarity 支持监督训练。在未来的版本中,它将支持半监督和自监督训练。
-
视频理解代码库PySlowFast
PySlowfast 是 FAIR 开源的基于 PyTorch 的视频理解代码库,让研究者可以轻而易举地复现从基础至前沿的视频识别 (Video Classification) 和行为检测 (Action Detection) 算法。PySlowFast 代码库同时开源了大量预训练模型,让研究者省去了反复训练模型的烦恼,可以直接使用 FAIR(Facebook AI Research,Facebook 人工智能实验室)预训练的前沿模型。
-
图片无损放大工具waifu2x
waifu2x 通过使用卷积神经网络对动漫风格的图片进行放大操作(支持照片)。一般图片在放大后可能会出现边界锯齿、线条模糊等问题,而 waifu2x 的算法对这种情况提供了非常好的图片拉伸、降噪、填补机制,使得放大前后的图片给人观感基本一致。
-
量化金融的深度强化学习FinRL
FinRL 是一个面向研究人员和从业者的开源深度强化学习 (DRL) 框架。
使命:有效地实现交易自动化。
愿景:在过去的十年中,人工智能社区已经积累了一个开源的代码海洋。将这些知识和工程特性应用于金融,将启动一个范式的转变,从传统的交易常规到自动化的机器学习方法,甚至是金融业的 RLOps。
FinRL(网站)是第一个探索深度强化学习在金融领域巨大潜力的开源项目,旨在帮助从业者使用深度强化学习(DRL)来制定交易策略。
FinRL 生态系统是一个统一的框架,包括各种市场、最先进的算法、金融任务(投资组合管理、加密货币交易、高频交易)、实时交易等。
FinRL 具有三层:应用程序、drl 代理和市场环境。
对于交易任务(顶部),代理(中间)与环境(底部)交互,做出顺序决策。-
FinRL 是第一个展示在量化金融中应用 DRL 算法的巨大潜力的开源框架。我们围绕 FinRL 框架构建了一个生态系统,为快速发展的 AI4Finance 社区提供了种子。
-
应用层为用户提供接口来定制 FinRL 到他们自己的交易任务。提供自动回测工具和性能指标,以帮助量化交易者以高周转率迭代交易策略。有利可图的交易策略是可重复的,并且以对初学者友好的方式提供了动手教程。也可以根据快速变化的市场调整训练好的模型。
-
代理层提供了最先进的 DRL 算法,这些算法适用于通过微调的超参数进行融资。用户可以添加新的 DRL 算法。
-
环境层不仅包括历史数据 API 的集合,还包括实时交易 API。它们被重新配置为标准的 OpenAI 健身房风格环境。此外,它结合了市场摩擦,并允许用户自定义交易时间粒度。
-