6月份GitHub上最熱門的開源項目排行已經出爐啦，一起來看看吧：

1. jina

https://github.com/jina-ai/jina

Star 7316

Jina是由最先進的 AI和深度學習驅動的云原生神經搜索框架。

2. devops-exercises

https://github.com/bregman-arie/devops-exercises

Star 11397

包含有關各種技術主題，你可以用它們來準備面試，主題涵蓋Linux、Jenkins、AWS、SRE、Docker、Python、Ansible、Git、Kubernetes、Terraform、OpenStack、SQL、NoSQL、Azure、GCP、DNS等。

3. Tkinter-Designer

https://github.com/ParthJadhav/Tkinter-Designer

Star 1958

Tkinter Designer 旨在加快 Python 中的 GUI 開發過程。它使用著名的設計軟件Figma使在 Python 中創建漂亮的 Tkinter GUI 變得輕而易舉。Tkinter Designer 使用 Figma API 來分析設計文件并創建 GUI 所需的相應代碼和文件。甚至 Tkinter Designer 的 GUI 也是使用 Tkinter Designer 創建的。

4. YYeTsBot

https://github.com/tgbot-collection/YYeTsBot

Star 6629

人人影視bot，完全對接人人影視全部無刪減資源。

5. PaddleHub

https://github.com/PaddlePaddle/PaddleHub

Star 6646

PaddleHub是一個深度學習模型開發工具。它基于飛槳領先的核心框架，精選效果優秀的算法，提供了百億級大數據訓練的預訓練模型，方便用戶不用花費大量精力從頭開始訓練一個模型。PaddleHub可以便捷地獲取這些預訓練模型，完成模型的管理和一鍵預測。

6. pyWhat

https://github.com/bee-san/pyWhat

Star 3993

這是一個可以識別文本背后含義的工具，當你不知道特定一串文本代表什么時，它能快速判斷它是否是 email、油管視頻編號、手機號 或者是其他信息格式。你給它一個 .pcap 文件或者一段文本，它能告訴你這個文件或是文本代表了什么。

7. Real-Time-Voice-Cloning

https://github.com/CorentinJ/Real-Time-Voice-Cloning

Star 27292

Real-Time-Voice-Cloning這是一個基于深度學習的語音合成項目，它通過采集分析一段具體的聲音樣本，可在5秒內生成與之類似的克隆語音。

8. cheat.sh

https://github.com/chubin/cheat.sh

Star 26329

cheat.sh是一個網站，更是一個實用的速查工具。cheat.sh具有以下這些功能特性：

• 簡潔的curl/browser界面
• 涵蓋55種編程語言，一些DBMSes和1000多個最重要的UNIX/Linux命令
• 無需安裝，隨處可用
• 超快，通常在100毫秒內即可返回答案
• 可以直接在代碼編輯器中使用，無需打開瀏覽器
• ……

9. faceswap

https://github.com/deepfakes/faceswap

Star 37639

deepfake 的深度學習技術，這款工具本來的用途是用來識別和交換圖片、視頻中人物臉部圖像的工具 。該項目有多個入口，你只需要：

• 收集照片(或使用以下訓練數據中提供的照片)
• 從原始照片中提取面部圖像
• 在照片上訓練模型(或使用以下訓練數據中提供的模型)
• 使用模型轉換源代碼

10. public-apis

https://github.com/public-apis/public-apis

Star 134719

PublicApis：公共API目錄大全是一個通過 MaShape 市場整合的世界上最全的 API 接口目錄，支持關鍵詞搜索和添加API數據，方便開發者快速的找到自己想要的 API，目已經收錄 5321 種 API 接口。

11. keras

https://github.com/keras-team/keras

Star 51847

Keras是一個極簡的、高度模塊化的神經網絡庫，采用Python(Python 2.7-3.5.)開發，能夠運行在TensorFlow和Theano任一平臺，好項目旨在完成深度學習的快速開發。特性：

• 可以快速簡單的設計出原型(通過總模塊化、極簡性、和可擴展性)
• 同時支持卷積網絡和循環網絡，以及兩者的組合
• 支持任意的連接方案(包括多輸入和多輸出)
• 支持GPU和CPU