国庆长假和朋友聚会的时候，和朋友谈起最近这段时间捣鼓tauri，写了一个HTTP API客户端工具。『你写了这么多东西，其实有想过是为了啥不？』为了啥这是一个很大的命题，当初每个项目的时候都想过它应该解决些啥，最终每个项目好像完成了它的使命，也好像还在征途之上。不是每个人的追求都是诗和远方、星辰大海，而我只是闲着也是闲着，所以做了点啥，不是为了啥。
选择使用 tauri并不是因为它的优缺点(如果想了解的大家可以直接去官网上查看)，只是因为我自己想学习一下rust(不要问我有没有学会，再问就没办法聊天了)，在了解过一些rust比较热门的项目之后，刚好也想学习一下桌面应用开发，因此CyberAPI也在此巧合之下开始创建。
CyberAPI大概在6月中的时候开始，到现在基本4个月左右，由于rust完全不会，开发过程一堆的坑坑洼洼，个中辛酸不说，这年头谁没遇到点苦难，但是无言以对的是，我觉得自己现在还是完全不会rust。开发CyberAPI的过程中主要遇到以下几个问题：
- 基于系统自带的webview，可能存在兼容性问题(开发时遇到macos接口图标切换后有残留，而windows无此问题，切换为png图片解决)
- javascript与rust调用如果大数据交互(10MB)，处理时长在3秒左右(tauri已知issue，官方在下一版本优化)
- 最开始选择所有的数据均保存至浏览器IndexedDB，存储的数据较多导入导出较慢，因此切换至使用rust版本的sqlite
- 支持Dark/Light主题，部分组件未自适应调整
- 多语言支持未实现实时变化，通过设置后重启应用解决
上面的问题其实都只是小问题，虽然系统托盘以及自动升级当前版本并未使用上，tauri对我而言已经可以满足桌面应用开发，精通WEB前端的开发者完全可以直接基于浏览器实现绝大部分的功能，有边缘项目的可以考虑尝尝鲜，但是其各类的插件还是较少，如果项目更多的依赖于系统接口，则建议对rust有较深功底再入坑。
下面介绍一下CyberAPI的主要特性：
- 支持macos、windows以及linux平台，安装包均在10MB以下(rust编译强行精简)
- 单个项目上千个接口秒级打开，内存占用较低(电脑较好,mac air m2)
- 支持Dark/Light主题以及中英语言(英文翻译较差)
- 简单易用的操作及配置方式(对我而言)
- 可快速导入postman与insomnia的配置(拉新专用)
- 关键字筛选支持中文拼音或者首字母(中文必须支持)
- 可按接口、功能、项目导出配置，方便团队内共用(我只是个人使用)
- 各类自定义的函数，方便各请求间关联数据(我用的较多)
CyberAPI的缺点则是：没有缺点(自己的项目，打死都要撑着)。不过由于只是个人的业余项目，如果有优化建议只能尽可能支持，如果是BUG则必须支持的(不能打脸，我也不会硬撑说不是BUG)，如果大家使用得开心的，那小手一点给个Star，如果用得不开心那更要Star，以后哪天心情不爽就过来怼一下，对不对。
Original: https://www.cnblogs.com/vicanso/p/16794237.html
Author: vicanso
Title: 基于tauri打造的HTTP API客户端工具-CyberAPI
相关阅读
Title: tensorflow gpu 快速安装与验证（自动装配，无需手动选择 cudnn，cudatoolkit）
环境：windows 11
快速开始
运行以下命令，直接新建一个包含 tensorflow (gpu) 以及其他常用库的新环境。
conda create -n tensorflow-38 python=3.8.13 matplotlib scikit-learn ipykernel pandas seaborn tensorflow-gpu -c conda-forge -c anaconda
conda activate tensorflow-38
pip install opencv-python
1-1. 「方法一」半自动安装
- 先安装 cudnn 和 cudatoolkit 包，再安装 tensorflow 包
conda create -n tensorflow-38-1 python=3.8.13
conda activate tensorflow-38-1
conda install -c conda-forge cudnn
pip install tensorflow
1-2. 「方法二」全自动安装
- 缺点是版本相对 pypi 稍低
- 如：目前 pypi 版本为 2.8，conda 的版本为 2.6
conda install tensorflow-gpu和pip install tensorflow-gpu安装的内容是不同的
conda create -n tensorflow-38-2 python=3.8.13
conda activate tensorflow-38-2
conda install tensorflow-gpu -c anaconda
conda install tensorflow-gpu -c conda-forge
2. 验证
import tensorflow as tf
print(tf.__version__)
print(tf.test.is_built_with_cuda())
print(tf.config.list_physical_devices('GPU'))
if tf.test.gpu_device_name():
print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
print("Please install GPU version of TF")
3. 附
在后期修改环境的时候，留意不要把 tensorflow-gpu 从 gpu 版本换成 cpu 版本，如下图所示：
- 「参考」TensorFlow — Anaconda documentation:https://docs.anaconda.com/anaconda/user-guide/tasks/tensorflow/
-
「扩展」Anaconda | TensorFlow in Anaconda:https://www.anaconda.com/blog/tensorflow-in-anaconda
-
如果这篇文章对你有帮助，欢迎你喜欢。
[En]
if the article is helpful to you, you are welcome to like it.*
- 署名：cc01cc:https://github.com/cc01cc
- 欢迎大家转载分享，本作品采用署名-非商业性使用-禁止演绎 4.0 国际进行许可
- 转载，请注明出处地址，请勿修改或破坏原文结构，谢谢
[En]
reprint, please indicate the source address, do not modify or destroy the original structure, thank you*
Original: https://blog.csdn.net/m0_49270962/article/details/127729273
Author: 零一魔法
Title: tensorflow gpu 快速安装与验证（自动装配，无需手动选择 cudnn，cudatoolkit）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/363467/
转载文章受原作者版权保护。转载请注明原作者出处！
