📌 goauthentik/authentik
Description: The authentication glue you need.
🌐 Python|⭐️ 11,927
簡介
- authentik 是一個開放原始碼身分識別提供者,強調彈性和多功能性,支援各種協定。
- 它可以作為 Okta/Auth0、Entra ID、Ping Identity 等大型部署的自我託管替換方案,用於員工和 B2B2C 使用。
主要功能
- 支援多種協議,例如 SAML 2.0、OpenID Connect、OAuth 2.0、LDAP、Radius 等。
- 提供靈活的配置選項,可滿足不同的安全需求。
- 支援多因素身份驗證,增強安全性。
- 提供使用者管理功能,方便管理使用者賬戶。
- 支援角色和許可權管理,控制使用者訪問許可權。
- 支援審計日誌,記錄使用者活動。
- 提供 API 介面,方便整合其他系統。
- 可擴充套件性強,可根據需要擴充套件功能。
如何使用
- 使用 Docker Compose 進行小型或測試設定,請參閱文件。
- 使用 Helm Chart 進行較大規模的設定,請參閱文件。
- 參考開發者文件進行開發。
- 檢視 SECURITY.md 獲取安全資訊。
- 如果您的組織使用 authentik,請將您的徽標新增到
📌 toss/es-toolkit
Description: A modern JavaScript utility library that's 2-3 times faster and up to 97% smaller—a major upgrade to lodash.
🌐 TypeScript|⭐️ 5,804
簡介
- es-toolkit 是一個最先進且高效能的 JavaScript 工具庫。
- 它擁有小巧的 bundle 大小和強大的型別註解。
- 它提供各種現代實作的日常實用函式,例如 debounce、delay、chunk、sum 和 pick。
- 它在現代 JavaScript 環境中實現了 2-3 倍的效能提升。
- 它支援開箱即用的 tree shaking,與其他庫相比,可以將 JavaScript 程式碼減少高達 97%。
- 它包含內建的 TypeScript 支援,提供直觀且強大的型別。
- 它還提供了有用的型別守衛,例如 isNotNil。
- 它經過實戰考驗,擁有 100% 的測試覆蓋率,確保可靠性和健壯性。
主要功能
- debounce
- delay
- chunk
- sum
- pick
- isNotNil
如何使用
- 使用
import
語句從es-toolkit
包中匯入所需的函式。 - 使用匯入的函式,例如
debounce
和chunk
,執行相應的操作。 - 例如:
import { debounce, chunk } from 'es-toolkit';
const debouncedLog = debounce(message => {
console.log(message);
}, 300);
// This call will be debounced
debouncedLog('Hello, world!');
const array = [1, 2, 3, 4, 5, 6];
const chunkedArray = chunk(array, 2);
📌 microsoft/generative-ai-for-beginners
Description: 18 Lessons, Get Started Building with Generative AI 🔗 https://microsoft.github.io/generative-ai-for-beginners/
🌐 Jupyter Notebook|⭐️ 61,163
簡介
- 本課程由 Microsoft Cloud Advocates 團隊製作,包含 18 堂課,旨在協助您建立生成式 AI 應用程式。
- 課程涵蓋生成式 AI 的基本知識,並提供 Python 和 TypeScript 的程式碼範例。
- 每堂課都包含「繼續學習」部分,提供額外的學習資源。
主要功能
- 涵蓋生成式 AI 和大型語言模型 (LLMs) 的基本概念。
- 介紹如何選擇適合您用例的模型。
- 教導如何負責任地建立生成式 AI 應用程式。
- 提供提示工程的實務最佳做法。
- 教導如何建立文字生成、聊天、搜尋、圖片生成、低程式碼 AI 和外部應用程式整合應用程式。
- 討論生成式 AI 應用的 UX 設計原則和安全性。
如何使用
- 您可以從任何您喜歡的課程開始,課程分為「學習」和「構建」兩種型別。
- 您可以使用 Azure OpenAI 服務、OpenAI API 或 GitHub Marketplace 模型目錄來完成程式碼課程。
- 需要具備基本的 Python 或 TypeScript 知識。
- 建議使用 GitHub 帳戶將此儲存庫複製到您的 GitHub 帳戶。
- 您可以加入官方 AI Discord 伺服器,與其他學習者交流和獲得支援。
- 您可以註冊 Microsoft for Startups Founders Hub,獲得免費的 OpenAI 信用額度和高達 150,000 美元的 Azure 信用額度,以透過 Azure OpenAI 服務存取 OpenAI 模型。
- 您可以提出問題或建立拉取請求,協助改進課程內容。
- 每堂課都包含簡短的影片介紹、書面課程、程式碼範例和額外的學習資源連結。
📌 lllyasviel/stable-diffusion-webui-forge
🌐 Python|⭐️ 6,648
簡介
Stable Diffusion WebUI Forge 是一個建立在 Stable Diffusion WebUI (基於 Gradio) 上的平臺,旨在簡化開發、最佳化資源管理、加速推論以及研究實驗性功能。名稱「Forge」源自「Minecraft Forge」,這個專案旨在成為 SD WebUI 的 Forge。
主要功能
- 簡化 Stable Diffusion WebUI 開發。
- 最佳化資源管理。
- 加速推論速度。
- 研究實驗性功能。
- 提供 Gradio 4 UI。
- 支援 Flux BitsandBytes NF4 / GGUF 模型。
- 支援 LoRA 模型。
- 提供一鍵安裝套件。
如何使用
- 下載一鍵安裝套件,解壓縮後,使用 update.bat 更新,並使用 run.bat 執行。
- 執行 update.bat 很重要,否則可能使用舊版本,其中可能存在未修正的錯誤。
- 如果您熟悉 Git,可以將 Forge 作為 SD-WebUI 的另一個分支安裝。
- 您也可以使用與 SD-WebUI 相同的方法安裝 Forge。
- 可以下載舊版本。
- 可以檢視 Forge 的狀態,以檢視各種功能的運作狀況。
- 如果您發現任何錯誤,請提交問題,我會定期檢視。
- 如果沒有更新 Forge 狀態,則表示我無法重現任何問題,建議重新安裝。
📌 ostris/ai-toolkit
Description: Various AI scripts. Mostly Stable Diffusion stuff.
🌐 Python|⭐️ 1,735
簡介
- AI Toolkit by Ostris is a research repository containing experimental tools for AI training and development.
- The toolkit offers various features for training, generating, and manipulating AI models.
- It's important to note that the toolkit is under active development and might experience occasional instability.
- Users are encouraged to check out earlier commits if encountering issues.
- The project is supported by Glif and its community.
主要功能
- FLUX.1 Training: Enables training FLUX.1 models, both the non-commercial FLUX.1-dev and the Apache 2.0 licensed FLUX.1-schnell.
- LoRA (lierla) and LoCON (LyCORIS) Extractor: Allows for extracting LoRA and LoCON weights from trained models.
- LoRA Rescale: Rescales LoRA weights to desired values, aiding in model optimization.
- LoRA Slider Trainer: Trains LoRA models to create sliders for adjusting specific model attributes.
- Batch Image Generation: Generates images based on prompts from a configuration file or a text file.
- Model Merger: Merges multiple AI models together.
如何使用
- Installation:
- Ensure you have Python 3.10+, an Nvidia GPU with sufficient memory, a Python virtual environment, and Git installed.
- Clone the repository and initialize submodules.
- Create and activate a virtual environment.
- Install PyTorch and the required dependencies.
- Training:
- Copy an example configuration file and modify it as needed.
- Run the training script with the configuration file.
- The training process will generate checkpoints and images in a dedicated folder.
- Training can be stopped and resumed from the last checkpoint.
- Dataset Preparation:
- Prepare your dataset as a folder containing images (jpg, jpeg, png) and corresponding text files with the same name and a .txt extension.
- Text files should contain the caption for each image.
- You can use the "[trigger]" keyword in the caption to be automatically replaced.
- Image resizing and batching are handled automatically.
- Extensions:
- Create custom extensions that utilize the toolkit's functionality.
- An example extension for model merging is provided in the extensions folder.
- Training on RunPod:
- Utilize a RunPod template with a minimum of 24 GB VRAM.
- Configure your RunPod environment and upload your dataset.
- Run the training script with your modified configuration file.
- Training on Modal:
- Install the Modal Python package and authenticate.
- Upload your dataset to the ai-toolkit directory.
- Copy and modify an example configuration file for Modal.
- Run the training script with the configuration file.
- Monitor training progress on Modal's platform.
- Download the trained model from the Modal volume.