awesome-repositories.com
Blog
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetÀ proposNotre méthodologiePresseServeur MCP
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

2 dépôts

Awesome GitHub RepositoriesReport Data Set Managers

Connects to SQL, API, JavaBean, JSON, and shared data sources to supply data for reports.

Distinct from Set Data Structures: Distinct from Set Data Structures: focuses on managing data sources for report generation, not mathematical set operations.

Explore 2 awesome GitHub repositories matching data & databases · Report Data Set Managers. Refine with filters or upvote what's useful.

Awesome Report Data Set Managers GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • jeecgboot/jimureportAvatar de jeecgboot

    jeecgboot/jimureport

    8,059Voir sur GitHub↗

    JimuReport is an open-source reporting and dashboard engine designed to be embedded directly into Spring Boot applications. Its core identity centers on generating data reports and full-screen dashboards from natural language descriptions, eliminating the need for manual design. The platform also provides a conversational query interface that translates plain-language questions into database queries, returning results as tables and charts without requiring SQL knowledge. What distinguishes JimuReport is its integration of AI skills that can be installed with a single command, enabling report

    Connects to SQL, API, JavaBean, JSON, and shared data sources to supply data for reports.

    Javaaibibigscreen
    Voir sur GitHub↗8,059
  • affinelayer/pix2pix-tensorflowAvatar de affinelayer

    affinelayer/pix2pix-tensorflow

    5,082Voir sur GitHub↗

    Ce projet est une implémentation TensorFlow d'un framework de traduction image-à-image basé sur des réseaux antagonistes génératifs conditionnels (cGAN). Il fournit les outils pour entraîner des modèles qui mappent des images d'entrée vers des images de sortie basées sur des modèles visuels appris, ainsi qu'un serveur pour traiter les requêtes de traduction d'image et servir des checkpoints de modèles entraînés aux clients web. Le framework inclut un système pour convertir les poids de modèles entraînés dans un format portable pour l'inférence basée sur le navigateur. Il dispose également d'un processus de validation qui génère des rapports comparatifs en analysant les jeux d'images d'entrée, de sortie et cibles en utilisant un checkpoint entraîné. La base de code couvre le pipeline complet depuis l'ingénierie des données, incluant la préparation du jeu de données d'images et le pipelining basé sur des paires, jusqu'à l'entraînement antagoniste conditionnel. Il prend en charge des transformations visuelles spécifiques telles que la colorisation d'images en niveaux de gris et la génération d'imagerie synthétique.

    Generates comparative reports analyzing input, output, and target image sets using trained checkpoints.

    JavaScript
    Voir sur GitHub↗5,082
  1. Home
  2. Data & Databases
  3. Set Data Structures
  4. Report Data Set Managers

Explorer les sous-tags

  • Visual Comparison ReportsReporting tools that generate side-by-side visual comparisons of generated images against targets. **Distinct from Report Data Set Managers:** Specifically generates visual image comparison reports rather than managing generic report data sets