Awesome GitHub RepositoriesCoordinate System Mappings

AndroidNote is a technical knowledge base and reference resource for Android development. It provides comprehensive guidance on application architecture, custom view development, and advanced graphics programming. The project is distinguished by its depth in visual implementation, covering pseudo-3D perspective projections via virtual cameras and complex 2D rendering using Bézier curves and PorterDuff color blending. It also provides detailed methodologies for app modularization and the management of internal libraries through private Maven repositories and JitPack. The reference surface ext

X-Track is a firmware project for an embedded bicycle computer that combines GPS-based speed and ride metrics with offline map navigation. It functions as a GPS bicycle speedometer, displaying speed, distance, altitude, and other ride data on a handlebar-mounted screen, while also serving as an offline map viewer that renders locally stored map tiles without an internet connection. The project distinguishes itself by including a firmware emulator that runs the embedded code on a PC, enabling development and testing without physical hardware. It also provides GPS-based clock calibration to aut

OpenPCDet es una librería de deep learning y caja de herramientas de PyTorch para la detección de objetos 3D mediante LiDAR. Funciona como un framework de procesamiento de nubes de puntos diseñado para desarrollar, entrenar y evaluar modelos de machine learning que identifican y localizan objetos en el espacio tridimensional. El proyecto incluye un motor geométrico acelerado por GPU para la implementación de alto rendimiento de intersección sobre unión (IoU) 3D y supresión de no máximos rotada. También proporciona una herramienta de entrenamiento de modelos distribuido para escalar el entrenamiento y las pruebas de modelos de detección a través de múltiples GPU y nodos de cómputo. El framework cubre el procesamiento de datos de nubes de puntos mediante la estandarización de representaciones de escenas 3D y la gestión de conteos de puntos variables en diversos datasets LiDAR.

Este proyecto es una colección de modelos de lenguaje de proteínas tipo transformer preentrenados diseñados para el embedding de secuencias, predicción de estructuras, estimación de efectos de variantes y plegamiento inverso generativo. Proporciona un framework para transformar secuencias de aminoácidos en vectores numéricos de alta dimensión y predecir propiedades biológicas a través de estos embeddings. El sistema incluye un modelo generativo para el plegamiento inverso que diseña secuencias de aminoácidos para adaptarse a una estructura de esqueleto de proteína objetivo específica. También cuenta con herramientas para el análisis de variantes de proteínas que utilizan predicción zero-shot para estimar el impacto funcional de las mutaciones en la estabilidad y actividad de las proteínas. Las capacidades adicionales cubren la predicción de coordenadas atómicas 3D a partir de secuencias únicas, la generación de mapas de contacto de proteínas mediante mecanismos de atención y la recuperación de datos estructurales y embeddings de grandes conjuntos de datos metagenómicos. El proyecto también incluye utilidades para el diseño de secuencias de proteínas, puntuación de fitness y gestión de memoria para procesar secuencias largas en hardware limitado.