本篇文章为大家盘点了3月份GitHub最热门的开源项目，一起来看看你都知道哪些，或者有哪些你已经在使用的了。
1
Interview-Notebook
https://github.com/CyC2018/Interview-NotebookStar 11975
此项目是作者在准备 2018 年春招实习过程中的学习总结，内容以计算机书籍的学习笔记为主，在整理重点知识的同时会尽量保证知识的系统性。据了解，作者并不打算将这个仓库做成一个大而全的面试宝典，只希望添加一些比较通用的基础知识，或者是与 Java 和分布式相关的内容，但是不添加 Java Web 相关的内容。
目前里面笔记包含《计算机网络 第七版》、《图解 HTTP》、《现代操作系统》和《计算机操作系统》等书籍
2
awesome-blockchain-cn
https://github.com/chaozh/awesome-blockchain-cnStar 9701
这是一个和区块链相关的项目，此项目收集了所有区块链(BlockChain)技术开发相关资料，包括Fabric和Ethereum开发资料
3
flutter
https://github.com/flutter/flutterStar 20324
这是一个开源的移动应用程序SDK，具有自己的框架，小部件和工具。Google希望Flutter能够在Android、iOS甚至是Google Fuschia等所有平台上构建和部署“漂亮的移动应用”，从而使开发人员更轻松，更有效率。
4
hangzhou_house_knowledge
https://github.com/houshanren/hangzhou_house_knowledgeStar 15714
2017年买房经历总结出来的买房购房知识，这一份杭州购房信息，从房产概念、板块知识、地价、配套规划、学区到区域价值分析等，一应俱全。对于只知写代码、不了解房地产的程序员来说，这就是一份“购房宝典”，成了他们买房前参考的重要资料。
5
chinese-independent-developer
https://github.com/1c7/chinese-independent-developerStar 6812
聚合所有国内独立开发者的项目，里面的项目包含开发者的一些业余项目，诸如网站或App，库中的项目分为三种状态：开发中，已上线以及关闭状态，下图是一些项目列表展示：
6
mpvue
https://github.com/Meituan-Dianping/mpvueStar 6705
mpvue 是一款基于 Vue.js 的小程序开发框架，从底层支持 Vue.js 语法和构建工具体系。mpvue 修改了 Vue.js 的 runtime 和 compiler 实现，使其可以运行在小程序环境中，从而为小程序开发引入了整套 Vue.js 开发体验。
7
rough
https://github.com/pshihn/roughStar 7063
Rough.js 是一个轻量级的（大约8k），基于 Canvas 的可以绘制出粗略的手绘风格的图形库。该库提供绘制线条、曲线、弧线、多边形、圆形和椭圆的基础能力，同时支持绘制 SVG 路径。
8
driver.js
https://github.com/kamranahmedse/driver.jsStar6606
Driver.js 是一个强大的，轻量级，使用原生 JavaScript 引擎开发的库，用于在页面聚焦用户的关注点。它支持所有主流浏览器，并且可高度自定义。
Driver.js 并不仅仅是一个指南性质的库，其用户场景非常广泛，能够用于任何需要为页面构建浮层的情况，譬如当用户需要与某些元素交互而隐藏其他元素的场景。
9
30-seconds-of-css
https://github.com/atomiks/30-seconds-of-cssStar 7206
30 Seconds of CSS是一个精选的代码合集，确保任何人都能够在1分钟内将这些代码部署在网站项目中。
10
xray
https://github.com/atom/xrayStar 6061
Xray 是 Atom 团队开发的一个新的基于 Electron 的文本编辑器 Xray ，目前正处于试验阶段。短期来说（未来三个月内），Xray 会是一个测试平台，开发团队会围绕最初规划好的基础优先事项进行开发和验证，并把一些 Atom 上激进的想法放进去，进行快速迭代，了解设想的系统开发完成需要的时间。之后会慢慢稳定下来，找到更加清晰的未来走向。
11
tensorflow
https://github.com/tensorflow/tensorflowStar 94373
TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief 快了 2 倍。TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的自动分 化（auto-differentiation）。通过灵活的 Python 接口，要在 TensorFlow 中表达想法也会很容易。
12
gopher-reading-list
https://github.com/enocom/gopher-reading-listStar 4619
这是一个关于Go语言的博客推文的阅读列表。它包含了最有用、最相关的材料,这些是所有写Go的人最终都要去阅读的。事实上,这个列表仍然在完善的过程中。
本文来源：开源最前线（ID：OpenSourceTop） 猿妹整编
链接：https://www.itcodemonkey.com/article/2885.html
网友评论