微软宣布在 MIT 许可下开源了 Windows 计算器（Windows Calculator）。Windows Calculator 是一个用 C++ 编写的现代 Windows 应用，其提供了标准、科学和程序员计算器功能，以及各种度量单位和货币之间的一组转换器。
源码库中包含 Calculator 的源代码、构建系统、单元测试和产品路线图，开发者可以轻松地将 Calculator 逻辑或 UI 集成到自己的应用中。微软表示希望与社区共建，提供更好的体验。 Windows Calculator 特性包括：标准计算器功能，提供基本操作并在输入时立即评估命令。科学计算器功能，提供扩展操作并使用操作顺序评估命令。程序员计算器功能，为开发人员提供常见的数学运算等操作。计算历史记录和内存功能。更多相关内容，请大家关注本次专辑…… 谷歌开源了一个分布式机器学习库 GPipe，这是一个用于高效训练大规模神经网络模型的库。GPipe 使用同步随机梯度下降和管道并行进行训练，适用于由多个连续层组成的任何 DNN。
重要的是，GPipe 允许研究人员轻松部署更多加速器来训练更大的模型，并在不调整超参数的情况下扩展性能。开发团队在 Google Cloud TPUv2s 上训练了 AmoebaNet-B，其具有 5.57 亿个模型参数和 480 x 480 的输入图像尺寸。 该模型在多个流行数据集上表现良好，包括将 single-crop ImageNet 精度推至 84.3％，将 CIFAR-10 精度推至 99％，将 CIFAR-100 精度推至 91.3％。GPipe 可以最大化模型参数的内存分配。 团队在 Google Cloud TPUv2上进行了实验，每个 TPUv2 都有 8 个加速器核心和 64 GB 内存（每个加速器 8 GB）。如果没有 GPipe，由于内存限制，单个加速器可以训练 8200 万个模型参数。 由于在反向传播和批量分割中重新计算，GPipe 将中间激活内存从 6.26 GB 减少到 3.46GB，在单个加速器上实现了 3.18 亿个参数。此外，通过管道并行，最大模型大小与预期分区数成正比。更多内容，请关注本次专辑…… 近日，阿里开源了其 Flutter 应用框架 Fish Redux。Fish Redux 是一个基于 Redux 数据管理的组装式 Flutter 应用框架，它特别适用于构建中大型的复杂应用。特性包括：函数式编程；可预测的状态容器；可插拔组件化；无损性能……
Fish Redux 的灵感主要来自于 Redux、Elm 与 Dva 等框架，官方介绍其在这些优秀框架的基础上将集中、分治、复用与隔离做得更进了一步。Fish Redux 的最大特点是配置式组装。 一方面将一个大的页面，对视图和数据层拆解为互相独立的 Component|Adapter，上层负责组装，下层负责实现；另一方面将 Component|Adapter 拆分为 View、Reducer、Effect 等相互独立的上下文无关函数。所以它会非常干净，易维护，易协作。 |
