今天的開源報報 ( 每週一到週五早上 7:00 準時發刊 )

今日內容摘要

✅ 使用 Rust 和 WASM 開發的小型靜態網頁全文檢索引擎
✅ 在任何資料庫(MySQL，Postgres，MsSQL，SQLite，MariaDB)上生成即時 REST 和 GraphQL APIs
✅ 使用 Javascript 開發微小而強大的瀏覽器和 NodeJS 全文搜尋
✅ 使用程式產生中國山水畫
✅ 使用深度學習讓 Unity 中的人物角色栩栩如生
✅ Apache Spark 的分散式深度學習框架
✅ PyTorch上的模型服務
✅ Devops開源專案程式碼部署平臺
✅ 一個用於分散式 web 和分散式運算專案的 SDK/程式庫
✅ 在 Rust 中編寫更安全的 FFI 程式碼，而不會被不安全的程式碼汙染
✅ 一個完整的 Go 快取程式庫，為你提供了多種管理快取的方法
✅ 使用 Angular 和 .NET Core 實現的樹莓派 Web 控制面板

https://softnshare.com/opensource-news-145/

這門課將從學習深度學習的基礎知識開始，用實用的程式碼展示每一個基本構件，最終形成一個巨大的深度神經網路。 所有這一切都在 Raspberry Pi ，訓練和推理。

當我們開始處理大型資料集時，我們將開始在電腦上訓練我們的神經網路，然後在 Raspberry Pi 上部署訓練好的模型。 由於 Raspberry Pi 有限的記憶體和處理能力，我們將學習量化我們的模型的方法，然後在不損害我們模型的準確性下部署到我們受資源約束的 Raspberry Pi 。

我們還將學習如何充分利用深度學習程式庫，如 Keras 和 Tensorflow。

到本課程結束時，你將能夠從零開始建構不需要程式庫的神經網路，能夠掌握在 Raspberry Pi 上部署神經網路的量化方法，能夠建構影像分類的深度學習應用程式，能夠建構物體辨識的深度學習應用程式，能夠使用 Keras 和 Tensorflow 等等。

如果你是機器學習和深度學習的新手，這門課程適合你。 本課程從最基本的神經網路建構模組開始，教你如何使用純 python 程式碼建構自己的神經網路，然後我們再繼續學習如何使用現成的程式庫。

如果你已經有一些深度學習的經驗，並且想知道如何在 Raspberry Pi 上部署模型，你也可以參加這個課程。 本課程提供關於設計方法的深入訓練，為了在資源有限的 Raspberry Pi 上部署模型，需要採用這種方法。

https://softnshare.com/raspberry-pi-deep-learning-from-ground-uptm/

#Mirai #Windows

Windows Mirai伺服器主機竟然在臺灣

卡巴斯基研究室發現，有500個獨立系統作為Mirai傳播者（spreader），專門感染Windows裝置。其中有些是中文系統，伺服器主機設置在臺灣維護，暗示了Windows Mirai惡意程式的作者熟悉中文，能竊取中國設備製造商的程式碼簽署憑證（Code Signing Certificate）。Windows Mirai主要感染IP攝影機、DVR、家庭媒體設備等IoT設備，以及使用樹莓派（Raspberry Pi）和香蕉派（BananaPi）裝置，而且Windows Mirai殭屍裝置可利用telnet連線進行遠端控制，擴大感染到Linux系統裝置，但無法從Linux Mirai殭屍裝置感染Windows系統裝置。

卡巴斯基實驗室研究人員Kurt Baumgartner認為，Mirai攻擊技術越來越成熟，攻擊者開始能夠利用Mirai原始碼，使Mirai能夠擴大感染至以前Mirai操作者無法操控的新設備。