GitHUB上2月份开源项目
2 月份 GitHub 上最热门的开源项目又出炉了，又有哪些新的项目挤进热门榜单了呢，一起来看看。
https://github.com/kelseyhightower/nocode Star 16256
这是 2 月份新出炉的项目，可以说是 2018 年最火的佛系编程了，这个项目里面没有一行代码，它的 description 是这样的：The best way to write secure and reliable applications. Write nothing; deploy nowhere. 有网友把它翻译成中文版为：要安全，要可靠，最好的方式就是不用一行代码，部署整个世界。就是这样一个愚人的项目，在 Github Trending List 上占据了好几天榜首，如今已经有 16256 个 Star
https://github.com/tensorflow/tensorflow Star 90603
TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief 快了 2 倍。TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的自动分 化（auto-differentiation）。通过灵活的 Python 接口，要在 TensorFlow 中表达想法也会很容易。
https://github.com/yangshun/front-end-interview-handbook Star 9772
与其他软件工程师不同的是，前端求职面试对算法的重视程度更低，并且在该领域的知识更多的集中在 Html、CSS、JavaScript 等几个方面，虽然网上也有一些资源可以帮助前端开发人员准备面试，但他们并不像软件工程师面试材料那么丰富，front-end-interview-handbook 就是专门为前端求职者准备面试问题和答案。
https://github.com/esimov/caire Star 7637
Caire 是基于论文《Seam Carving for Content-Aware Image Resizing》（图像伸缩变换算法）实现的一个内容感知图像 (尺寸) 压缩/扩展库。已有特性如下：
● 支持自定义命令行
● 支持缩小/放大图像
● 可垂直/水平地调整图像大小
● 可调整目录中的所有图像的大小
● 不需要任何第三方库
● 使用 sobel 阈值进行微调
● 使用模糊滤镜来增强边缘检测
效果图：
https://github.com/automerge/automerge Star 4895
Automerge 是一个用于在 JavaScript 中构建协作应用程序的数据结构库。建 JavaScript 应用程序的常用方法是将应用程序的状态保存在模型对象中，例如 JSON 文档。具有如下特点和设计原则：
● 网络不可知论者。Automerge 是一个纯粹的数据结构库，不关心你使用的是什么类型的网络。
● 不变的状态。Automerge 对象在某个时间点是应用程序状态的不可变快照。无论何时进行更改，或者合并来自网络的更改，都会返回一个反映该更改的新状态对象。
● 自动合并。Automerge 是所谓的无冲突复制数据类型（CRDT），它允许在不需要任何中央服务器的情况下自动合并不同设备上的并发更改。
● 相当便捷。已经在 Node.js，Chrome，Firefox 和 Electron 上测试了 Automerge 。
https://github.com/kamranahmedse/developer-roadmap Star 42978
这是一组使用 Balsamiq 建造的网络开发者的路线图，如前端路线图如下：
涵盖所有前端热门的框架、语言等重要且热门的知识点。
https://github.com/NVIDIA/FastPhotoStyle Star5978
FastPhotoStyle 是英伟达开源的照片风格转移深度学习算法实现库，给定目标照片和样式参考照片，代码可以将样式照片的风格转换至目标照片，从而生成新的风格化照片。
FastPhotoStyle 实现过程包含两个步骤：“风格化”和“细调”。 先将样式参考照片源的样式转移至目标照片，随后对其进行细调优化。
效果图：
https://github.com/arialdomartini/Back-End-Developer-Interview-Questions Star 6686
前面提到的是前端面试相关的开源项目，而这一个则是后端开发人员的面试大全，里面涵盖的问题大多都是开放式的，其中一些问题甚至没有答案，但是它们恰恰是最能体现个人能力的一些问题。目前该项目的问题共分为 18 个类型，包括代码设计问题、数据库问题、代码版本问题、分布式系统问题等
https://github.com/dawnlabs/carbon Star 7585
Carbon 是一个轻量级的组件模型与企业级的服务框架。Carbon 是在以下原则上进行构建:创建一个更加灵活的框架通过一个分离,以元数据为中心的系统,鼓励关系的分离,从而使得代码在一个复杂,动态的操作环境中更容易维护与重复利用等.
https://github.com/binhnguyennus/awesome-scalability Star 7795
该项目提供了大量精选的阅读材料，旨在帮助后台开发者们能够借助项目中各个文献的思路做出一个具有延展性，可用性，稳定性的后台。这个概念虽然模糊，但是借由著名工程师（Martin Fowler，Robert C. Martin，Tom White等）和高质量资源（highscalability.com，infoq.com等）的诠释，相信大家能从中理解并学到有用的东西。
项目涵盖各个方面。主要分为原则、可扩展性、稳定性、其他方面、会谈、图书七个板块。包括了异常处理，数据库策略等内容。
https://github.com/android/android-ktx Star 4529
ndroid KTX 是一组扩展程序，它能使 Android 上的 Kotlin 代码更简洁，从而提高开发者的编程体验。Android KTX 中支持 Android 框架的部分现在可在 GitHub 库中找到，Android KTX 究竟做了哪些方面的优化呢？比如：
● 字符串转换为 URI，Android KTX 会为字符串添加一个扩展函数，使字符串更加自然地转换为 URI。
● 编辑 SharedPreferences，使用 Android KTX 后，代码稍微短些，能更自然地读取和写入。
● 平移路径差异
● 在视图onPreDraw 的动作
https://github.com/deepfakes/faceswap Star 4009
deepfake 的深度学习技术，这款工具本来的用途是用来识别和交换图片、视频中人物脸部图像的工具 。该项目有多个入口，你需要做的事：
● 收集照片（或使用以下训练数据中提供的照片）
● 从原始照片中提取面部图像
● 在照片上训练模型（或使用以下训练数据中提供的模型）
● 使用模型转换源代码