Smart Submission Dataset Viewer:用于检查（以及更多）CDISC 提交文件的智能查看器-开源

“智能提交数据集查看器”是“智能数据集-XML 查看器”（已停产）的后继产品，允许以现代 CDISC 数据集-XML 标准格式检查 CDISC SDTM、SEND 和 ADaM 提交文件。 “智能提交数据集查看器”的许多功能远远超出监管机构的审查人员通常可用的功能，这要归功于使用现代 XML 格式（监管机构仍在使用过时的 XPT - Transport 5 - 格式）。 “智能提交数据集查看器”使用大多数现代技术，例如 RESTful Web 服务和 XQuery 进行验证（支持“CDISC 标准的开放规则”计划）。 它是最早实现“CDISC 库 API”的开源应用程序之一。 “智能提交数据集查看器”不仅非常适合监管机构的审阅者，而且也适用于处理 CDISC 电子提交的制药赞助商、CRO、技术和服务提供商。

krunseti-开源

krunseti 是一个 KDE 应用程序，它显示一个 seti@home 进程的进度。 它还可以启动、暂停和继续 seti@home 进程。

Outline:为成长中的团队提供最快的 wiki 和知识库-开源

用于内部文档、产品规格、支持答案、会议记录、入职等的现代团队知识库。 一个直观的编辑器，支持降价、斜线命令、丰富的嵌入等等。 漂亮的文档，甚至无需尝试。 无需离开团队聊天即可搜索和共享文档。 在层次结构中嵌套文档，自动构建反向链接网络并搜索所有内容。 通过内部指南、资源和核对清单轻松招募新团队成员。 让新团队成员了解您的产品、最佳实践和文化。 不要将您的公司手册锁定在隐藏在共享驱动器上的 PDF 文档中。 使其易于访问、可搜索和易于更新，以便每个人都能找到他们需要的信息。 无论您的团队是经验丰富的远程工作者还是刚开始在家工作。 Outline 是保持团队共享知识可访问、可搜索和协调的好地方。

Loomio:一起做出更好的决定-开源

做出重要决策对于任何企业或组织的成功都至关重要。 然而，作为一个群体做出明智的决定可能是一个相当大的挑战，特别是如果这些决策者不在同一个地方。 Loomio 是此类企业和组织的解决方案。 它是一种协作决策工具，可让任何人轻松参与决策，并帮助团队共同做出最佳决策。 无需繁琐的会议和无休止的电子邮件链——有了 Loomio，人们可以在自己的时间通过网络、电子邮件或移动设备参与。 Loomio 适应各种讨论形式和风格，并提供有效的投票和决策工具，因此您的团队始终可以快速、坚定和公平地决定您的下一步行动。

mod_auth_samba-开源

mod_auth_samba 是 Apache 身份验证模块，它允许您在基于 UNIX 的 Apache Web 服务器中使用来自 Windows NT 工作组的用户名/密码。

Stausimulation Fin Ersties2010-开源

交通拥堵模拟 - 基于 Nagel-Schreckenberg 模型

data-structures-and-algorithms:用 Java 实现的重要数据结构和算法以及 AlgoExpert 问题和一些 Leetcode 问题的解决方案

数据结构和算法 Java 中重要数据结构和算法的一些基本实现，以及一些LeetCode问题。 我会继续添加更多 LeetCode 问题的解决方案，如果你愿意，你也可以添加它们！ 此外，我已经开始为问题添加解决方案。 您可以在内容部分找到它们。 · 目录 内置 Java 11 - 由于所有数据结构和算法都是用 Java 实现的，因此除此之外无需设置任何其他内容。 入门 要启动并运行本地副本，请按照以下简单步骤操作。 先决条件 您需要在本地机器上安装 Java 11，然后才能运行任何一个程序。 请查看Oracle的官方指南。 路线图 有关建议功能（和已知问题）的列表，请参阅未解决的问题。 贡献 贡献使开源社区成为学习、启发和创造的绝佳场所。 非常感谢您所做的任何贡献。 有关更多详细信息，请查看贡献指南。 分叉项目。 创建您的功能分支（ git checkout -b featu

mvsnerf:我们的工作提出了一种新颖的神经渲染方法，可以有效地重建用于视图合成的几何和神经辐射场

MVSNeRF | 此存储库包含论文的 pytorch 闪电实现： 。 我们的工作提出了一种新颖的神经渲染方法，可以有效地重建用于视图合成的几何和神经辐射场，此外，如果捕获密集图像，我们估计的辐射场表示可以很容易地微调； 这导致快速的逐场景重建。 安装 在 Ubuntu 16.04 + Pytorch 1.8 + Pytorch Lignting 1.3.5 上测试 安装环境： pip install pytorch-lightning, inplace_abn pip install imageio, pillow, scikit-image, opencv-python, config-argparse, lpips 训练 请参阅每个小节以了解不同数据集的训练。 可用的训练数据集： （现实合成） （真正的前向） （图像/内在/外在/近远边界） DTU数据集 资料下载 从原始下

rust-android-gradle

Rust Android Gradle 插件 为 Android 目标交叉编译 Rust Cargo 项目。 用法 将插件添加到您的根build.gradle ，例如： buildscript { repositories { maven { url " https://plugins.gradle.org/m2/ " } } dependencies { classpath ' org.mozilla.rust-android-gradle:plugin:0.8.7 ' } } 要么 buildscript { // ... } plugins { id " org.mozilla.rust-android-gradle.rust-android " version

decaton:Apache Kafka 上的高吞吐量异步任务处理

迪卡顿 Decaton 是一个建立在之上的流式任务处理框架。 它旨在实现“从一个分区消费的记录的并发处理”，这在许多 Kafka 消费者框架中是不可能的。 以下是 Decaton 默认启用的属性列表： 从一个分区消耗的记录的并发（多线程或异步）处理 通过记录键保留排序保证 无论记录以何种顺序处理，都保留至少一次交付语义 Decaton 是一个库，而不是一个全栈执行环境，因此您只需添加几行工件依赖项，就可以轻松地将它集成到您​​现有的/新的 JVM 应用程序中。 由于它已经设计、优化并用于的服务器系统，每个流每秒产生超过 100 万个 I/O 密集型任务，其内部实现记录并发处理的实现高度优化，可以产生理想的吞吐量以最少的服务器数量，最大限度地提高资源利用率。 入门/教程 请参阅 何时使用（何时不使用） 当您的处理逻辑包含针对外部系统的 I/O 访问（例如，DB 访问、Web API