各种工具集锦1（持续更新ing...）

已于 2024-06-07 19:55:47 修改
阅读量491 收藏 1
点赞数
分类专栏： 生活学习笔记 文章标签： 软件 工具
于 2023-09-04 13:00:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/PolarisRisingWar/article/details/131235834
版权

诸神缄默不语-个人CSDN博文目录

用LLM（大规模预训练语言模型）或者说AI的，特见我写的这篇博文：在线LLM应用集锦（持续更新ing…）
本篇博文原则上不会重复上述博文中写过的内容，如果重复了就重复了。

文章目录

1. 视频制作

  1. SpleeterGui：一款基于 Windows 系统的音轨分离工具，它是第三方制作的 Spleeter 桌面应用，不仅支持中文还支持多国语言，可以将音乐里的人声和伴奏分离。
  2. 4K Video Downloader：下载网络上的视频素材

1. 视频剪辑软件

  1. 在线剪切视频：https://www.video2edit.com/zh/video-cutter
  2. 必剪（有录音转字幕和字幕识别功能）
    必剪-让创作更有趣
  3. 剪映（据说比必剪好使，但我还没试过）

2. 配音软件

  1. 豌豆配音
  2. 布谷鸟配音软件
  3. 讯飞配音
  4. 微软文本转语音

2. 图片制作

  1. http://weavesilk.com/：随便画画就能画出很有逼格的波浪线壁纸
    在这里插入图片描述
  2. 在线抠图软件_图片去除背景 | remove.bg – remove.bg
  3. Remove Background from Image, Free HD, No Signup - Pixian.AI
  4. 截图美化
    • https://picyard.ubout.in/
    • https://pika.style/
    • https://screely.com/
    • https://tinysnap.app/zh-cn
    • https://tweet.pics/
    • https://purple-photo.web.app/
    • https://shots.so/
    • https://app.jellylade.com/
  5. 文章封面图制作工具
    • Slickr - Try the most powerful cover image designer for hashnode blog：适合用来做编程类博客的封面
      在这里插入图片描述
    • https://og-playground.vercel.app
    • https://socialify.git.ci
    • https://thumbnail.ai/maker
    • https://nav.rdonly.com/laboratory/bgimage/backimage.html
    • https://shuaihuajun.github.io/project/watermaker/index.html
    • https://coverview.vercel.app/
    • https://purple-photo.web.app/
    • https://pika.style/templates/open-graph-generator
    • https://picyard.ubout.in/short-blog
  6. 素描参考人体：SketchDaily Reference Site
  7. AI放大图像：waifu2x（不用登录就可以放大2倍）
  8. 梗图（meme）制作
  9. upscayl：将模糊不清的照片修复至高清
  10. 生成样机
    1. http://smartmockups.com/
    2. https://placeit.net/
    3. http://sketchsheets.com/
  11. 多功能图像检查工具 - Pix Spy：在线检查图像RGB、取色、裁剪

1. 配色

  1. https://colorhunt.co/
  2. https://color.adobe.com/zh/create/color-wheel

3. 运营&营销

  1. DigiChuan|数字营销导航 | 数字营销|新媒体运营|灵感创意
  2. 易撰自媒体工具_让内容创作更高效
  3. 小火花，一站式自媒体服务平台！
  4. 梅花网-营销作品宝库
  5. 知乎
    1. 新知魔方·知乎运营助手(唯一正版官网）
  6. 淘宝
    1. 生意参谋
    2. 店查查

3.1 数据分析

  1. 查询网站流量：站点流量 — 查看并分析任何网站 | Similarweb
  2. 新榜——新媒体，找新榜
  3. 自媒体全网搜索引擎——淘金阁自媒体内容全网搜索引擎
  4. 蝉妈妈数据 - 抖音直播&短视频电商多维度数据查询分析平台：抖音、小红书
  5. 火烧云数据-B站数据分析网站-品牌营销数据-up主排行数据查询：B站、小红书
  6. 飞瓜数据 - 社交媒体全链路服务商-feigua.cn：抖音、B站、快手
  7. 微信
    1. WeTool - 微信社群管理工具 - 高效稳定助力社群运营
    2. 微蓝盒子WeBox–开心每一天
    3. 公众号
      1. 西瓜数据-公众号数据分析及精准营销服务商
      2. 微小宝-微信私域流量运营专家，百万用户的选择 - 微小宝助手_微小宝
    4. 视频号
      1. 百准数据
      2. 友望数据—视频号数据分析平台—youwant.cn
  8. 微博
    1. 西瓜微数-微博数据分析平台,助力品牌微博营销
  9. 抖音
    1. 抖查查官网-短视频直播带货电商大数据分析平台
    2. 兴趣电商数据专家-考古加数据
  10. 小红书
    1. 千瓜数据-小红书数据分析平台-qian-gua.com
  11. B站
    1. B站UP主数据&热门视频数据分析工具 - 新站

3.2 编辑器

  1. 微信公众号
    1. 壹伴官网_微信编辑器_公众号助手_公众号排版_一键图文排版

4. 科学计算

  1. Wolfram|Alpha: Computational Intelligence：我的超人，最好用的在线计算器！
    比Python和谷歌还好用100倍的在线计算器！
  2. GeoGebra - 风靡世界, 过亿师生沉迷使用的免费数学软件

5. 编程和其他计算机学科的辅助工具

  1. Git辅助
    1. Git LFS：原则上是拿来处理大文件的，实际上……也可以作为大陆难用GitHub时的神秘辅助工具
      Git Large File Storage | Git Large File Storage (LFS) replaces large files such as audio samples, videos, datasets, and graphics with text pointers inside Git, while storing the file contents on a remote server like GitHub.com or GitHub Enterprise.
    2. Octotree：Chrome插件，可以用侧边栏树形展开文件
    3. SourceGraph：Chrome插件，在线查看源码
    4. Enhanced GitHub：Chrome插件，可视化仓库和文件大小、直接下载和复制文件等
    5. GitZip：Chrome插件，下载仓库中的部分文件，包括一个文件夹（双击跳出弹窗）
    6. OctoLinker：Chrome插件，在线查看源码
  2. JSON在线解析及格式化验证 - JSON.cn
    （我的实践是用这个网站格式化JSON，然后放到VSCode里面写，体验极好）
  3. 数据在线可视化
    1. Hiplot
  4. 在线格式化代码、复制给别人：Ubuntu Pastebin
  5. 在线编译器
    1. 力扣playground
    2. Online Python Tutor - visualize, debug, get AI help for Python, Java, C, C++, and JavaScript
    3. R Online Editor - R Online IDE - R Coding Online
  6. Visual Studio Live Share: 实时代码协作工具
  7. 编程专业术语智能搜索引擎：Devv
  8. brucemiller/LaTeXML: LaTeXML: a TeX and LaTeX to XML/HTML/ePub/MathML translator.
  9. 代码托管平台
    1. GitHub
    2. Gitee
  10. 数据应用部署，比如给LLM安个前端界面这种功能
    1. Streamlit • A faster way to build and share data apps
    2. https://github.com/gradio-app/gradio
  11. 低代码机器学习：Home - PyCaret
  12. 低代码开发RPA
    1. 影刀
    2. UiBo
  13. Quicker软件 您的指尖工具箱 - Quicker：感觉上也是RPA这种东西，用鼠标实现一些自动化功能
  14. 降维可视化高维表征：Embedding projector - visualization of high-dimensional data
  15. 深度学习模型可视化
    1. (2017 IEEE VAST) ActiVis: Visual Exploration of Industry-Scale Deep Neural Network Models
    2. RNN：
      1. myaooo/RNNVis: A visualization tool for understanding and debugging RNNs
      2. (2017 InfoVis) LSTMVis: A Tool for Visual Analysis of Hidden State Dynamics in Recurrent Neural Networks
    3. tensorflow/playground: Play with neural networks!
    4. RedaOps/ann-visualizer: A python library for visualizing Artificial Neural Networks (ANN)
    5. lutzroeder/netron: Visualizer for neural network, deep learning and machine learning models
    6. alexlenail/NN-SVG: Publication-ready NN-architecture schematics.
    7. openai/transformer-debugger
  16. 代码复现
    1. dovolopor-research/tensortime: 🕙 TensorTime 让每次实验都可以复现！：是直接每次都将代码复制一份。我觉得这件事……不是很聪明，但是这个思路是值得参考的
  17. 在线测试接口
    1. Postman
      postman入门可以参考：postman网页版入门速成 - 小红书
    2. apifox：他们自称比postman更好用，可以一边写接口文档一边测试接口

6. 资讯

  1. 技术资讯
    1. 36氪_让一部分人先看到未来
  2. 技术论坛
    1. LINUX DO

7. 科研

  1. Research Rabbit：找相关文献
  2. Connected Papers | Find and explore academic papers：找相关文献
  3. arxiv-sanity：这个差不多可以理解成针对ArXiv的智能文献管理工具
    使用方法可以参考这篇博文：「杂谈」如何看arxiv.org才能不错过自己研究领域的最新论文？
  4. AI热门论文 https://hub.baai.ac.cn/papers
  5. ar5iv – Articles from arXiv.org as responsive HTML5 web documents：可以将ArXiv上的论文转换为HTML格式，方便于翻译之类的
  6. Paper Digest：写文献综述
  7. HF-Mirror - Huggingface 镜像站
  8. arXivLabs: Showcase - arXiv info
  9. AI for Research | Scite
  10. Litmaps | Your Literature Review Assistant

8. 文件处理

  1. PDF在线处理
    1. docsmall - 免费在线图片压缩、GIF压缩工具、PDF压缩工具、PDF合并工具、PDF分割工具
    2. iLovePDF | 为PDF爱好者提供的PDF文件在线处理工具
    3. 在线 PDF 转换器-编辑，旋转和压缩 PDF 文件
  2. PDF阅读器
    1. 福昕PDF阅读器
    2. mupdf
    3. PDFgear - 将易于使用的PDF软件带给大众
    4. master PDF editor
    5. PDF Studio
    6. Okular
  3. PDF文本识别，公式识别
    1. Doc2X
  4. epub Windows阅读器
    1. EPUB阅读器 | TXT阅读器 | Neat Reader | 超赞的全平台电子书阅读器，全球百万用户共同的选择
  5. 转换文件格式：https://cloudconvert.com/
  6. MP4转MP3：https://www.video2edit.com/zh/convert/mp4-to-mp3
  7. 批量下载网页中的图片：图片助手(ImageAssistant) 批量图片下载器
  8. Convert PNG, JPG files to SVG vectors online - Vectorizer.AI

9. 翻译

那几个ChatGPT插件我就不写了）

  1. Google 翻译
  2. Chrome插件
    1. 沙拉查词-聚合词典划词翻译
      PDF划词翻译的实现方案：在管理扩展程序中找到沙拉查词，点击详情，选择允许访问文件网址
      在这里插入图片描述
      打开PDF网页后，点击右上角的插件图标，右键选择在PDF阅读器中打开，随即可以自动开启划词翻译
    2. 自动开启视频字幕翻译：Language Reactor
    3. 彩云小译
    4. 沉浸式翻译: 双语对照网页翻译 & PDF文档翻译

10. 日常工作

  1. Formalizer - GoblinTools：把吐槽转换成更正式、礼貌的措辞。不是很聪明但是可以玩一下：在这里插入图片描述

11. 集成性网站

  1. Tbox导航 | 只收录优质在线工具的导航网站

12. 其他

  1. 生成二维码：草料二维码 https://cli.im/
  2. 工具流² - 在线工具网，免费实用的在线工具大全：我主要使用字节转换工具。此外还有若干其他在线小工具
  3. 在线字数统计器/文本查字数
  4. 在线OCR：小程序“传图识字”，微信图片功能
  5. Base64 在线编码解码 | Base64 加密解密 - Base64.us
  6. Uahh/ToastFish: 一个利用摸鱼时间背单词的软件。
  7. 录屏、录像
    1. Chrome插件
      1. Awesome Screenshot 截图录屏
      2. Screenity - 屏幕录像和标注工具
  8. 网页插件
    1. 密码管理
      1. Bitwarden - 免费密码管理器
      2. LastPass-密码管理器
    2. TabCopy：这个插件可以一键直接复制网页的title和链接（我写博文的时候用这个复制超链接很方便）1
    3. Adblock Plus -广告拦截
    4. SuperCopy 超级复制
    5. ImageAssistant-图片助手：无需登录，可以一键从网页中提取所有图片，只要你能在网页上看到的图片，他都能直接提取到。并且允许您自由下载的网页中的全部图片。
    6. IDM：下载工具，可以直接下载网站中的视频
  9. 电脑远程协作/远程控制/共享屏幕/远程桌面工具
    （其实我自己是用VSCode的，可以看我写的VSCode博文）
    1. ToDesk
    2. 向日葵
    3. TeamViewer
    4. AnyDesk
    5. RustDesk – The Open Source Remote Desktop Access Software
    6. VNC
    7. Remote desktop client with RDP, SSH, SPICE, VNC, and X2Go protocol support. - Remmina
  10. 匿名邮箱
    1. skiff
    2. protonmail
  11. 测试某个网站的连接性（能不能被ping通），一般用于网站上不了了查看一下到底是我的问题还是网站真上不了了：多个地点Ping服务器,网站测速 - 站长工具
  12. optimizer： Windows 系统性能优化器
  13. 彩云天气
    填我邀请码【45204582】
    打开【彩云天气】https://weather.colorfulclouds.net/a/lFVowS55
    即可领取【7天】会员
    【免广告-几点几分下雨-卫星云图】
    （好运连连，邀请码48小时内有效哦）

本文撰写过程中参考的其他网络资料

  1. 机器学习模型可视化：指南和工具（Neptune） - 知乎：这篇我只参考了一部分我认为最有用的内容
  2. 浏览Github必备的5款神器级别的Chrome插件
  3. 我正在使用的 30 个 Chrome 插件 | 罗磊的独立博客：只放了几个我觉得比较需要的插件进来
  4. 程序员很喜欢的几款神器 - 掘金

  1. Chrome扩展程序——TabCopy：一键复制网页标题和网址_tab copy-CSDN博客 ↩︎

诸神缄默不语
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
android开发常用工具类集锦.zip
07-30
android开发常用工具类集锦.zip,太多无法一一验证是否可用，程序如果跑不起来需要自调，部分代码功能进行参考学习。
规划信息化案例集锦.pdf
11-07
规划信息化案例集锦.pdf
实用电源电路集锦.rar
10-06
实用电源电路集锦.rar
在线LLM应用集锦1（持续更新ing...）
诸神缄默不语的博客
06-08 1782
在线LLM应用集锦
Linux常用命令行集锦（持续更新ing...）
诸神缄默不语的博客
06-18 917
本文介绍Linux系统中常用的命令行。
STM32开发资料集锦.zip
07-08
STM32开发资料集锦.zipSTM32开发资料集锦.zipSTM32开发资料集锦.zipSTM32开发资料集锦.zipSTM32开发资料集锦.zipSTM32开发资料集锦.zipSTM32开发资料集锦.zipSTM32开发资料集锦.zipSTM32开发资料集锦.zipSTM32开发...
汽车维修案例集锦讲解.pdf
07-14
汽车维修案例集锦讲解.pdf汽车维修案例集锦讲解.pdf汽车维修案例集锦讲解.pdf汽车维修案例集锦讲解.pdf汽车维修案例集锦讲解.pdf汽车维修案例集锦讲解.pdf
API集锦.zip易语言项目例子源码下载
03-21
API集锦.zip易语言项目例子源码下载API集锦.zip易语言项目例子源码下载 1.合个人学习技术做项目参考 2.适合学生做毕业设计参考 3.适合小团队开发项目参考
易语言API集锦.rar
02-23
易语言API集锦.rar 易语言API集锦.rar 易语言API集锦.rar 易语言API集锦.rar 易语言API集锦.rar 易语言API集锦.rar
易语言源码API集锦.rar
03-30
易语言源码API集锦.rar 易语言源码API集锦.rar 易语言源码API集锦.rar 易语言源码API集锦.rar 易语言源码API集锦.rar 易语言源码API集锦.rar
大学计算机实习报告集锦7篇.docx
05-10
大学计算机实习报告集锦7篇.docx
多种视图切换方式集锦.zipIOS应用例子源码下载
03-06
多种视图切换方式集锦.zipIOS应用例子源码下载多种视图切换方式集锦.zipIOS应用例子源码下载 1.适合学生学习研究参考 2.适合个人学习研究参考 3.适合公司开发项目技术参考
六月夏日童心趣玩季活动集锦.pptx
06-11
六月夏日童心趣玩季活动集锦.pptx
实用的调查报告作文集锦十篇.doc
04-10
实用的调查报告作文集锦十篇.doc实用的调查报告作文集锦十篇.doc实用的调查报告作文集锦十篇.doc实用的调查报告作文集锦十篇.doc实用的调查报告作文集锦十篇.doc实用的调查报告作文集锦十篇.doc
2023 前端二面高频 vue 面试题集锦.docx
最新发布
07-23
2023 前端二面高频 vue 面试题集锦.docx2023 前端二面高频 vue 面试题集锦.docx2023 前端二面高频 vue 面试题集锦.docx2023 前端二面高频 vue 面试题集锦.docx2023 前端二面高频 vue 面试题集锦.docx2023 前端二面...
硬盘测试工具集锦,计算机软件基础.htm
10-29
硬盘测试工具集锦,计算机软件基础.htm
梯度云平台使用问题集锦.emmx 思维导图整理
04-07
梯度云平台使用问题集锦.emmx 思维导图整理
御剑工具集锦.rar
11-23
御剑网站后台扫描工具是一款用于网站安全的扫描工具，可以帮助用户进行网站和和网络的安全扫描，支持每个页面进行检查和自动化扫描。
高三作文集锦五篇_1.docx
10-14
高三作文集锦五篇_1.docx
You have trained a TensorFlow model using Dropout layers for regularization. Now, youwant to use Monte Carlo Dropout for making predictions. What do you need to dodifferently during the prediction stage?
06-03
During training, Dropout layers are used to randomly drop out some of the neurons in the network, which helps to prevent overfitting and improve generalization performance. However, during prediction, we don't want to randomly drop out neurons because we want to make a deterministic prediction. To use Monte Carlo Dropout for making predictions, we need to modify the model by applying Dropout layers at prediction time. This can be done by setting the Dropout probability to zero during prediction, effectively deactivating the Dropout layer. Then, we can run the model multiple times with different random Dropout masks to obtain a distribution of predictions, which can be used to estimate the uncertainty of the predictions. In TensorFlow, we can achieve Monte Carlo Dropout by creating a new model that is identical to the original model, but with the Dropout layers modified to have a different behavior during prediction. This can be done by creating a custom Dropout layer that overrides the `call()` method to apply the Dropout probability only during training, and to deactivate the Dropout layer during prediction. The modified model can then be used to make predictions by running it multiple times with different random Dropout masks. Here is an example of how to implement Monte Carlo Dropout in TensorFlow: ``` import tensorflow as tf # Define custom Dropout layer for Monte Carlo Dropout class MonteCarloDropout(tf.keras.layers.Dropout): def call(self, inputs): if not self.training: return inputs return super().call(inputs) # Define original model with Dropout layers model = tf.keras.Sequential([ tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)), tf.keras.layers.MaxPooling2D((2, 2)), tf.keras.layers.Dropout(0.2), tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.5), tf.keras.layers.Dense(10) ]) # Create modified model with Monte Carlo Dropout mc_model = tf.keras.Sequential([ tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)), tf.keras.layers.MaxPooling2D((2, 2)), MonteCarloDropout(0.2), tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation='relu'), MonteCarloDropout(0.5), tf.keras.layers.Dense(10) ]) # Train original model with Dropout layers model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) model.fit(train_images, train_labels, epochs=10) # Use Monte Carlo Dropout to make predictions with modified model predictions = [] for i in range(100): predictions.append(mc_model.predict(test_images, training=True)) predictions = tf.stack(predictions) mean_prediction = tf.math.reduce_mean(predictions, axis=0) var_prediction = tf.math.reduce_variance(predictions, axis=0) ``` In this example, we define a custom Dropout layer `MonteCarloDropout` that overrides the `call()` method to deactivate the Dropout layer during prediction. We then create a modified model `mc_model` that is identical to the original model, but with the Dropout layers replaced by `MonteCarloDropout` layers. We train the original model with Dropout layers using the `fit()` method. To make predictions with Monte Carlo Dropout, we run the modified model `mc_model` multiple times with different random Dropout masks by setting the `training` argument to `True`. We then stack the predictions into a tensor and compute the mean and variance of the predictions across the different runs. The mean prediction represents the estimated class probabilities, while the variance represents the uncertainty of the predictions.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

诸神缄默不语

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值