6月份GitHub上最抢手的开源项目排行曾经出炉啦，一同来看看吧：

1. jina

https://github.com/jina-ai/jina

Star 7316

Jina是由最先进的 AI和深度学习驱动的云原生神经搜索框架。

2. devops-exercises

https://github.com/bregman-arie/devops-exercises

Star 11397

包含有关各种技术主题，你可以用它们来预备面试，主题涵盖Linux、Jenkins、AWS、SRE、Docker、Python、Ansible、Git、Kubernetes、Terraform、OpenStack、SQL、NoSQL、Azure、GCP、DNS等。

3. Tkinter-Designer

https://github.com/ParthJadhav/Tkinter-Designer

Star 1958

Tkinter Designer 旨在加快 Python 中的 GUI 开发进程。它运用著名的设计软件Figma使在 Python 中创立美丽的 Tkinter GUI 变得轻而易举。Tkinter Designer 运用 Figma API 来剖析设计文件并创立 GUI 所需的相应代码和文件。甚至 Tkinter Designer 的 GUI 也是运用 Tkinter Designer 创立的。

4. YYeTsBot

https://github.com/tgbot-collection/YYeTsBot

Star 6629

人人影视bot，完全对接人人影视全部无删减资源。

5. PaddleHub

https://github.com/PaddlePaddle/PaddleHub

Star 6646

PaddleHub是一个深度学习模型开发工具。它基于飞桨抢先的中心框架，精选效果优秀的算法，提供了百亿级大数据训练的预训练模型，方便用户不用破费少量精神从头末尾训练一个模型。PaddleHub可以便捷地获取这些预训练模型，完成模型的管理和一键预测。

6. pyWhat

https://github.com/bee-san/pyWhat

Star 3993

这是一个可以辨认文本背后含义的工具，当你不知道特定一串文本代表什么时，它能快速判别它能否是 email、油管视频编号、手机号 或许是其他信息格式。你给它一个 .pcap 文件或许一段文本，它能通知你这个文件或是文本代表了什么。

7. Real-Time-Voice-Cloning

https://github.com/CorentinJ/Real-Time-Voice-Cloning

Star 27292

Real-Time-Voice-Cloning这是一个基于深度学习的语音分解项目，它经过采集剖析一段详细的声响样本，可在5秒内生成与之相似的克隆语音。

8. cheat.sh

https://github.com/chubin/cheat.sh

Star 26329

cheat.sh是一个网站，更是一个适用的速查工具。cheat.sh具有以下这些功用特性：

繁复的curl/browser界面

涵盖55种编程言语，一些DBMSes和1000多个最重要的UNIX/Linux命令

无需安装，随处可用

超快，通常在100毫秒内即可前往答案

可以直接在代码编辑器中运用，无需翻开阅读器

……

9. faceswap

https://github.com/deepfakes/faceswap

Star 37639

deepfake 的深度学习技术，这款工具本来的用途是用来辨认和交流图片、视频中人物脸部图像的工具 。该项目有多个入口，你只需求：

搜集照片(或运用以下训练数据中提供的照片)

从原始照片中提取面部图像

在照片上训练模型(或运用以下训练数据中提供的模型)

运用模型转换源代码

10. public-apis

https://github.com/public-apis/public-apis

Star 134719

PublicApis：公共API目录大全是一个经过 MaShape 市场整合的世界上最全的 API 接口目录，支持关键词搜索和添加API数据，方便开发者快速的找到本人想要的 API，目曾经收录 5321 种 API 接口。

11. keras

https://github.com/keras-team/keras

Star 51847

Keras是一个极简的、高度模块化的神经网络库，采用Python(Python 2.7-3.5.)开发，可以运转在TensorFlow和Theano任一平台，好项目旨在完成深度学习的快速开发。特性：

可以快速复杂的设计出原型(经过总模块化、极简性、和可扩展性)

同时支持卷积网络和循环网络，以及两者的组合

支持恣意的衔接方案(包括多输入和多输入)

(责任编辑：admin)