core - 🏡将本地控制和隐私放在首位的开源家庭自动化。非常适合在 Raspberry Pi 或本地服务器上运行。
Created at: 2013-09-17 15:29:48
Language: Python
License: Apache-2.0
家庭助理 |聊天状态|
开源家庭自动化，将本地控制和隐私放在首位。由全球修补匠和 DIY 爱好者社区提供支持。非常适合在 Raspberry Pi 或本地服务器上运行。
请查看 __ 了解 、 安装说明 <https://home-assistant.io/getting-started/>、__ 和 __。
home-assistant.io <https://home-assistant.io>
a demo <https://demo.home-assistant.io>
tutorials <https://home-assistant.io/getting-started/automation/>
documentation <https://home-assistant.io/docs/>
|截图状态|
特色集成
|屏幕截图集成|
该系统采用模块化方法构建，因此可以轻松实现对其他设备或操作的支持。另请参阅 __ 和 __。
section on architecture <https://developers.home-assistant.io/docs/architecture_index/>
section on creating your own components <https://developers.home-assistant.io/docs/creating_component_index/>
如果你在使用 Home Assistant 或开发组件时遇到问题，请查看我们网站的 __ 以获取进一步的帮助和信息。
Home Assistant help section <https://home-assistant.io/help/>
..|聊天状态|image：： https://img.shields.io/discord/330944238910963714.svg ：target： https://www.home-assistant.io/join-chat/ ..|截图状态|image：： https://raw.githubusercontent.com/home-assistant/core/master/docs/screenshots.png ：target： https://demo.home-assistant.io ..|屏幕截图集成|image：： https://raw.githubusercontent.com/home-assistant/core/dev/docs/screenshot-integrations.png ：target： https://home-assistant.io/integrations/
About
Author：home-assistant
热门帖子
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13