在日常使用電腦的過程中，很多朋友會習慣性地定期清理C盤垃圾，但在清理的過程中，總會擔心誤刪哪些重要的系統文件，從而導致整個系統崩塌。
當然，為了出現這樣的狀況，大家會選擇借助一些第三方工具來清理，但一頓操作猛如虎，清理掉的貌似也沒多少，C盤仍然爆紅！
或許大家都沒試過輸入代碼清理C盤垃圾吧？那么今天小編就跟大家分享下這一方法，操作簡單，效果還是理想滴~
第一步：同時按下【win+r】組合快捷鍵，打開運行窗口后，在框內輸入代碼【%TEMP%】，回車。
第二步：此時，你就會看到C盤的垃圾，這時全部選中，或按下快捷鍵【Ctrl+A】，最后按下Delet按鍵即可把C盤垃圾刪除掉了。
是不是很簡單呢？如果你的電腦用久了C盤存有很多垃圾，按上面的方法就可以清理了。
另外，小編再跟大家分享下對于win10系統的電腦，如何打開系統里面的某一功能來解決空間問題。如果你的C盤動不動就爆滿，不妨試試以下的方法。
這一功能就是【存儲感知】，要知道，下載或安裝的數據會默認保存在系統盤中，隨著這些數據越來越大，對磁盤空間占用越來越大，系統的運行速度就會被拖慢。對此，win10系統中的存儲感知就能避免這一問題的發生。
具體怎么開啟呢？
打開開始菜單，點擊【設置】的圖標，進入到設置界面后，依次點擊【系統】-【存儲】，接著在存儲設置窗口中找到【存儲感知】，將其開啟即可。開啟后每當系統監測到剩余空間不足時，會提醒用戶通過刪除不需要的文件（如臨時文件和回收站中的內容）自動釋放空間。
了解更多
真是眾人拾材火焰高，開源真的帶給人們無限驚喜和期待！
今天還有一個《明日方舟》游戲的助手工具，我家那貨回來整天窩在房間，玩得就是這個，去上海也是參加這個的活動，令人抓狂……我是裝作沒看見呢，還是等他回來就發給他跪舔一下呢？讓我先糾結幾天……
點評： 一個圖形用戶界面工具，用來清除掉 Windows 11 中的各種廣告。
話說M$的吃相也太難看了，Windows 11 系統現在相當多的都是新電腦隨機帶的、用戶自己花錢買的正版，它居然還大量投放廣告……難怪最新的統計顯示：目前市場占有率最多的還是Win10，占70%，而Win11不升反降，下降到不到26%，該！
根據流量監測機構 StatCounter 最新的統計數據，將于明年終止支持 (EOS) 的 Windows 10—— 其市場份額在 2024 年 4 月增長了 0.96 個百分點，突破 70% 的市場份額。
反觀同期的 Windows 11，其市場份額不升反降，從之前的 26.62% 下降至 25.65%，下降了 0.97 個百分點。
最新的綠色單文件 EXE 文件已經幫下好了，關注本公眾號后，在公眾號里發送如下消息獲取：Win11無廣告
170MB的大文件是包含了 .NET 8.0 運行時的，小的200多KB的是不包含的。可以先試下小的，不行（機器上沒裝.NET 8.0的）的話，再去下載大文件。
點評： 這個開源倉庫提供了一個用C/CUDA編寫的大型語言模型（LLM）訓練框架。它的優勢在于不需要龐大的PyTorch或cPython庫，使得代碼更加簡潔高效。以GPT-2為例，其CPU版本的訓練代碼僅有約1000行，且能夠快速編譯運行，并與PyTorch的參考實現相匹配。
目前，作者正在開發直接的CUDA實現以提高速度，并嘗試通過SIMD指令集（如x86的AVX2或ARM的NEON）來加速CPU版本。同時，也在探索更現代的架構，如Llama2、Gemma等。
項目旨在提供一些干凈、簡單的參考實現，同時開發出更加優化的版本，以接近PyTorch的性能，但代碼量和依賴項大幅減少。項目還包括快速開始指南、教程、CUDA端口的進展以及討論和貢獻的社區鏈接。此外，還提供了簡單的單元測試來確保C代碼與PyTorch代碼的一致性。
點評： 前腳KAN剛發布沒幾天，后腳KAN的高效純PyTorch實現就出爐了！
這個倉庫提供了一個高效的Kolmogorov-Arnold網絡（KAN）實現。原始實現存在性能問題，主要是因為它需要展開所有中間變量來執行不同的激活函數。通過將激活函數視為固定基函數（B樣條）的線性組合，我們可以重構計算過程，顯著降低內存成本，簡化為矩陣乘法，同時適用于前向和后向傳播。
本倉庫還解決了原始實現中的稀疏化問題，提出了一種新的L1正則化方法，與網絡重構兼容。此外，原始實現中的可學習激活函數（B樣條）和可學習縮放因子，這里提供了一個選項來啟用或禁用獨立縮放樣條，以提高效率或優化結果。
2024年5月4日最新更新：對base_weight和spline_scaler矩陣的初始化方式進行了改進，以提高在MNIST數據集上的性能。
點評： LM Studio CLI是一個命令行工具，用于與LM Studio進行交互。LM Studio是一個開源的本地AI大模型工具。它從LM Studio 0.2.22版本開始內置，可以通過運行bootstrap命令來安裝和配置。使用lms命令可以執行多種操作，如檢查狀態、啟動或停止本地API服務器、列出下載的模型、加載模型進行推理、創建新項目以及查看日志等。具體命令可以通過lms --help查看，或者對某個子命令使用lms <子命令> --help獲取詳細信息。
點評： 這是一個關于Solana區塊鏈項目的開源倉庫。Solana是一個高性能的區塊鏈，旨在支持去中心化應用和加密貨幣。倉庫提供了如何構建和測試Solana核心組件的指南，包括安裝Rust語言環境、下載源代碼、構建項目、運行測試套件以及啟動本地測試網絡的步驟。此外，還介紹了如何進行性能基準測試和代碼覆蓋率統計。最后，倉庫強調了遵守適用法律和規定的重要性，并聲明了免責聲明，提醒用戶驗證項目內容的準確性，以及不要違反出口控制或制裁法律。
對于這類區塊鏈項目，起碼對我而言，大概率是用來割韭菜的。別違反法律，少看少動為好。
點評： Pydantic Logfire 是一個開源的可觀測性平臺（我理解是一種類似：Log日志 + Profiling + 監控的綜合功能），由 Pydantic 旗下的團隊開發。它號稱“不復雜”，在簡化工具使用的同時提供強大的功能。Logfire 的特點包括：
Logfire 提供 Python SDK 和文檔，而記錄和展示數據的服務器應用是閉源的。使用 Logfire 的基本步驟包括安裝、認證和手動追蹤或集成流行包，如 FastAPI。下面的截圖展示了如何查看代碼的運行情況，包括代碼執行時間、輸出等都一覽無余，看上去設計得還是比較優雅的。
手動記錄方式的代碼及截圖：
from datetime import date
import logfire
from pydantic import BaseModel
class User(BaseModel):
name: str
country_code: str
dob: date
user=User(name='Anne', country_code='USA', dob='2000-01-01')
logfire.info('user processed: {user!r}', user=user)自動記錄方式的代碼及截圖：
from datetime import date
import logfire
from pydantic import BaseModel
logfire.configure(pydantic_plugin=logfire.PydanticPlugin(record='all'))
class User(BaseModel):
name: str
country_code: str
dob: date
User(name='Anne', country_code='USA', dob='2000-01-01')
User(name='Ben', country_code='USA', dob='2000-02-02')
User(name='Charlie', country_code='GBR', dob='1990-03-03')點評： OpenUI 是一個可以讓你用想象力描述用戶界面，然后馬上能看到實時渲染的AI工具，它的目標是簡化用戶界面（UI）組件構建的開發。它通過激發用戶的想象力來描述 UI，并實時渲染出效果，使得設計和修改 UI 變得更加快捷和靈活。它支持將 HTML 轉換為 React、Svelte、Web Components 等格式，類似于 v0 (v0.dev)，但作為開源項目，它的完成度可能不如后者。該項目由 W&B(wandb.com) 使用，用于設計和測試基于 LLM的下一代工具。
用戶可以通過 openui.fly.dev 來在線體驗 OpenUI 的功能。也可以在本地運行 OpenUI，但需要先安裝 Ollama，然后克隆 OpenUI 的代碼庫，并安裝相關依賴。設置好 OpenAI 的 API 密鑰后，即可啟動服務。
GIF太大就不放上來了，看個截圖吧，通過自然語言可以方便地調整UI，感覺前端工程師壓力要越來越大了：
點評： StoryDiffusion是一個由南開大學和字節跳動開源的、可以用來創造神奇故事的開源項目，用于長距離(long-range)圖像和視頻生成的一致自注意力(Consistent Self-Attention)。它有兩個主要特點：一是能夠生成連貫的圖像序列，二是能夠預測并生成長距離視頻。用戶至少需要提供3個文本提示來生成連貫的自注意力模塊圖像，推薦5-6個文本提示以獲得更好的布局。此外，它還包含一個運動預測器，可以在壓縮的圖像語義空間中預測條件圖像之間的運動，實現更大的運動預測。該項目提供了漫畫生成和圖像到視頻生成的示例，并提供了Jupyter筆記本和本地Gradio演示的使用方式。開發者強調，用戶在使用時應遵守當地法律并負責任地使用該工具。
圖靈獎得主 Yann LeCun 前幾天轉載的「登上月球去探索」的長篇漫畫就是用它生成的，感覺AI喂飯、喂視頻的日子已經越來越近了：
點評： WebLLM是一個開源的JavaScript包，它允許用戶在網頁瀏覽器中直接使用大語言模型進行聊天，同時支持硬件加速。一切都在瀏覽器內運行，而無需服務器支持。這個項目完全兼容OpenAI API，可以在本地使用任何開源模型，并且具備JSON模式、函數調用、流式處理等功能。WebLLM旨在為每個人構建AI助手提供樂趣，同時保護隱私并利用GPU加速。用戶可以通過npm包使用WebLLM，并根據提供的文檔構建自己的網頁應用。此外，WebLLM還支持Web Worker，允許將生成過程掛鉤到單獨的工作線程中，以免計算過程干擾用戶界面。項目還提供了構建聊天應用和Chrome擴展的示例。WebLLM是MLC LLM項目的伴侶項目，后者在iPhone和其他本地環境中本地運行大型語言模型（LLMs）。
點評： Candle（蠟燭，取自“星星之火可以燎原”之意么？）是一個為Rust語言設計的極簡主義機器學習框架，注重性能（包括GPU支持）和易用性。它提供了在線演示，如語音識別、文本生成、圖像分割等，并支持通過簡單的Rust代碼進行矩陣乘法等操作。Candle還提供了豐富的示例和外部資源，幫助用戶更好地理解和使用該框架。其特點包括簡單的語法、多種后端支持（CPU、GPU和WebAssembly）、包含多種模型等。Candle旨在實現輕量級部署，去除Python在生產環境中的開銷，并利用Rust的優勢。
Candle提供了多種在線演示和命令行示例，涵蓋了從語音識別到圖像字幕的多種應用。此外，還有一系列有用的外部資源，如詳細的教程、優化器集合、以及其他與Candle相關的庫和工具。特性如下：
A rusty robot holding a fire torch in its hand, 由 Stable Diffusion XL 使用 Rust 和Candle生成。
點評： 《明日方舟》游戲小助手，全日常一鍵長草！| Arknights 日常任務的一鍵工具，支持所有客戶。使用 C++ 20 語言編寫，支持 Windows、Linux 和 macOS 平臺。它利用圖像識別技術幫助玩家自動完成日常任務，如刷理智、智能基建換班、自動公招等。此外，它還支持多種編程語言的接口，方便開發者集成和自定義功能。項目活躍更新中，歡迎社區貢獻和反饋。
點評： 自學計算機科學教育之路！
巴西自由大學（Universidade Brasileira Livre）提供的計算機科學課程是一個基于線上資源和巴西葡萄牙語材料的完整計算機科學教育。該課程不僅涵蓋計算機科學的基礎知識，還提供結構化的學習內容，旨在培養具有自律、承諾和良好學習習慣的學生。課程內容包括數字電路、離散數學、編程語言、Python入門、解析幾何等，遵循巴西計算機科學課程的指導方針，并提供推薦閱讀材料。所有課程均可免費完成，但某些課程可能有額外的付費證書或活動。學生可以通過GitHub分享他們的學習項目，展示他們的學習進展和成就。此外，還有社區支持，如Discord服務器和LinkedIn討論。
點評： axum 是一個用Rust編寫的，采用 Tokio、Tower 和 Hyper 構建的，符合人體工程學的模塊化Web框架。
核心特性