Awesome GitHub RepositoriesDirect Memory Buffers

Surge est une bibliothèque Swift pour l'analyse numérique haute performance, l'algèbre linéaire, le traitement du signal numérique et la manipulation d'images accélérée. Elle utilise le framework Accelerate pour fournir des outils accélérés par le matériel pour les mathématiques matricielles et le traitement du signal. La bibliothèque fournit des capacités spécialisées pour le traitement du signal numérique, notamment la convolution, l'analyse de similarité de signal via la corrélation croisée et les transformations de domaine utilisant des transformées de Fourier rapides (FFT). Elle inclut également une suite d'outils pour la transformation et l'analyse rapides des tampons de pixels et des données d'image. Au-delà du traitement du signal et de l'image, la bibliothèque couvre un large éventail de mathématiques computationnelles. Cela inclut la résolution de systèmes linéaires via des inversions et des décompositions matricielles, des calculs de métriques vectorielles et l'analyse de données statistiques. Elle prend également en charge l'exécution en masse d'opérations trigonométriques, logarithmiques et arithmétiques sur de grands tableaux.

PKHeX est un éditeur de fichiers de sauvegarde Pokémon et un convertisseur de données de sauvegarde. Il sert de modificateur de données d'entité et d'importateur de données externes utilisé pour modifier les données de sauvegarde de jeux et les images mémoire à travers plusieurs générations de logiciels. Le projet permet la transformation des données de jeu entre différentes versions de logiciels et formats de fichiers pour assurer la compatibilité entre les générations. Il intègre des fichiers et des codes externes dans les enregistrements de sauvegarde existants pour mettre à jour l'état du jeu. L'outil offre des capacités de gestion de fichiers de sauvegarde et de manipulation de l'état du jeu, permettant la modification d'enregistrements d'entités individuelles, de données de personnages et d'inventaires d'objets.

fastjson2 est une bibliothèque Java haute performance utilisée pour sérialiser et désérialiser des objets Java vers et depuis des chaînes JSON et des tableaux d'octets. Elle fonctionne comme un sérialiseur JSON binaire pour encoder des objets dans des formats binaires optimisés afin de réduire la taille des payloads et d'augmenter la vitesse de traitement. Le projet inclut un moteur de requête JSONPath pour extraire des données et des champs spécifiques de documents JSON en utilisant des expressions de chemin et des filtres standardisés. Il sert également de validateur de schéma JSON, fournissant des utilitaires pour générer des contrats de données et valider les entrées JSON par rapport à des schémas définis afin d'assurer la cohérence structurelle. La bibliothèque couvre un large éventail de capacités de manipulation de données, incluant la transformation de JSON en maps ou en types d'objets spécifiques, et la conversion de beans Java en formats binaires. Elle offre des mécanismes pour une logique de sérialisation personnalisée, le mapping de champs via des annotations, et la capacité de préserver les types d'objets lors de la conversion.

NumCpp est un framework C++ et une bibliothèque de calcul numérique qui fournit une boîte à outils pour la gestion de tableaux multidimensionnels et des routines mathématiques. Il fonctionne comme une implémentation C++ de l'écosystème NumPy, offrant un framework de calcul scientifique pour gérer des tenseurs et effectuer des équations algébriques complexes. Le projet permet une manipulation de tableaux haute performance dans un environnement C++ sans dépendre d'un runtime Python. Il se distingue en fournissant une interface similaire à NumPy pour exécuter de l'algèbre linéaire, gérer des structures de données multidimensionnelles et effectuer des traitements numériques. La bibliothèque couvre un large éventail de capacités, incluant les opérations algébriques matricielles, la gestion de la géométrie des tableaux via le slicing et le reshaping, et la génération de distributions aléatoires. Elle inclut également des outils pour l'analyse de jeux de données, les statistiques sur les tableaux, et l'import/export de données numériques via des formats binaires et texte.

Il s'agit d'une bibliothèque Python de fuzzy string matching utilisée pour calculer la similarité entre chaînes et les distances d'édition. Elle sert de collection d'algorithmes de distance de chaîne, d'outil d'alignement de séquences et de moteur de recherche de chaîne approximative pour mesurer la similarité textuelle. La bibliothèque fournit un large éventail de métriques pour quantifier la proximité des chaînes, incluant les distances de Levenshtein, Jaro-Winkler, Hamming et Damerau-Levenshtein. Elle prend en charge l'analyse de similarité via des calculs de plus longue sous-séquence commune, des comparaisons basées sur des jetons et une pondération pour tenir compte des différences de contenu et d'ordre des mots. Au-delà des métriques de distance de base, le projet couvre la recherche et l'indexation pour extraire les meilleures correspondances à partir de collections et effectuer des calculs de distance par paires. Il inclut des outils pour l'analyse de différence de séquences qui génèrent des opérations d'édition pour transformer une chaîne en une autre, ainsi que des utilitaires de prétraitement de texte pour le nettoyage et la standardisation des chaînes.

Photon is a high-performance image processing library written in Rust. It serves as a pixel manipulation toolkit and image format transcoder, providing a WebAssembly graphics engine for executing visual effects and transformations directly within web browsers. The project is built around a functional image pipeline, which allows for the programmatic chaining of sequential transformation operations. This architecture supports the creation of complex visual effects through a coded pipeline. The library covers a wide range of image processing capabilities, including color management across mult

Ce projet est une boîte à outils basée sur Java qui intègre la bibliothèque de vision par ordinateur OpenCV dans l'environnement de codage créatif Processing. Il fournit une interface de programmation conçue pour faciliter l'inclusion de l'analyse d'image en temps réel et des algorithmes de vision par ordinateur au sein d'installations artistiques interactives et de projets de design visuel. La bibliothèque se distingue en encapsulant des routines C++ de bas niveau dans un environnement géré, permettant aux utilisateurs d'effectuer des tâches visuelles complexes via une interface simplifiée. Elle prend en charge les opérations haute performance en partageant les données de pixels brutes entre l'environnement hôte et le moteur de vision, et en permettant une portée computationnelle basée sur la région pour concentrer les ressources de traitement sur des zones spécifiques d'une image. La boîte à outils couvre un large éventail de capacités de traitement d'image, incluant la détection de caractéristiques, l'analyse géométrique et le suivi de mouvement. Les utilisateurs peuvent effectuer des tâches telles que l'extraction de contours, la calibration de caméra, les opérations morphologiques et l'évaluation statistique des données visuelles. La bibliothèque est distribuée en tant que bibliothèque pour l'environnement Processing, fournissant un accès direct à ces fonctions pour le prototypage rapide et l'expérimentation.