hyprwm/Hyprland

외부 오픈소스 저장소를 소개하는 글입니다. HDATF 제품이 아닙니다.

무엇을 하나

Hyprland는 앱 창을 배치하고 하나의 화면으로 합성하는 데스크톱 시스템 구성요소인 Wayland compositor입니다. 웹 화면을 만드는 개발 도구가 아니라 Linux 데스크톱을 세밀하게 구성하려는 사용자를 대상으로 합니다. 창 상태와 입력 이벤트, 모니터 설정, 구성 파일을 받아 창 배치와 작업공간, 화면 효과를 결정합니다. 타일형 배치와 자유 배치, 전체 화면, 여러 배치 방식, 창 규칙, 애니메이션, 플러그인을 지원합니다. 현재 예제는 Lua 설정을 사용하며, 함께 제공되는 hyprctl과 로컬 Unix 소켓으로 별도 프로그램이 제어와 상태 조회, 이벤트 수신을 할 수 있습니다. 시작하려면 호환되는 그래픽 환경에 Hyprland를 설치하고 세션을 구성해야 하며, 완전한 데스크톱 환경은 아니므로 터미널과 다른 유틸리티도 따로 준비해야 합니다. GPU 드라이버와 가상머신의 그래픽 가속, Wayland에서의 앱 동작은 별도 확인이 필요하며 Windows 데스크톱 교체 패키지나 AI 작업 실행 시스템은 아닙니다.

라이선스

BSD-3-Clause 허용 범위가 넓습니다. 상업적 이용이 가능하며 고지 문구를 유지하고 저작자 이름을 홍보에 쓰면 안 됩니다.

같은 분야 저장소

• RikiyaT/lm_understand-logs
  이 저장소는 언어 모델이 신경망 가중치를 읽거나 쓰는 실험을 살펴보려는 독자를 위한 연구 기록 모음이며 바로 쓰는 편집 서비스는 아닙니다. 여덟 실험 폴더는 학습된 신경망 식별, 신경망 수정과 생성, 작은 언어 모델의 수학 성능을 위한 가중치 편집을 다룹니다. 기록된 입력은 프롬프트와 과제 설명과 신경망 정보이며 출력은 답변과 코드와 실행 결과와 평가와 최종 신경망 또는 가중치 차이입니다. 실험별 README가 발표 결과를 해당 실행과 근거 파일에 연결합니다. Codex 내장 도구는 꺼 두었지만 일부 실험은 별도 Python 실행 후 출력을 모델에 돌려주는 구조이므로 도구를 쓰지 않았다는 표현이 실험 전체에 계산이 없었다는 뜻은 아닙니다. 포함된 격리 실행 예시는 Linux bubblewrap으로 네트워크와 자원을 제한하며 전체 재현에는 해당 모델 접근과 데이터와 평가 환경이 추가로 필요합니다. 실험 README부터 프롬프트와 실행 기록과 평가 자료를 따라 읽는 것으로 시작할 수 있으며 자료 열람 자체에는 모델 API 호출이 필요하지 않습니다. 이전 프롬프트 시행과 일부 가중치와 중간 자료가 빠져 있고 수학 실험의 전체 에이전트 실행기도 포함하지 않으며 기록과 스크립트와 제삼자 자료의 이용 조건을 구분해야 합니다.
• bregman-arie/devops-exercises
  devops-exercises는 개발과 운영 및 서비스 신뢰성 분야를 공부하는 사람을 위한 질문과 실습 자료 모음입니다. 네트워크, 운영체제, SQL, 컨테이너, 클라우드, 배포 흐름과 관측 같은 주제를 다룹니다. 사용자는 문제를 고르고 설명이나 코드 및 쿼리를 직접 작성한 뒤 일부 항목의 해설이나 연결된 자료와 비교합니다. 자동으로 인프라를 배포하거나 답안을 채점하는 실행 제품은 아닙니다. 읽기 자체에 공통 설치 환경이나 API는 요구하지 않지만 실제 실습 환경은 선택한 문제의 기술에 따라 달라집니다. 작성자는 이 자료가 실제 면접 질문을 그대로 재현하거나 모든 기술의 학습을 요구하는 것은 아니라고 설명합니다. 해설이 없는 문제와 오래된 시험 안내도 있어 정답과 최신 요구사항을 따로 확인해야 합니다. README는 CC BY-NC-ND 3.0을 표시하고 FAQ는 출처 표기와 비상업 조건을 설명하므로 회사의 상업적 재사용이나 번역 전재 전에 해당 조건을 확인해야 합니다.
• mille-okws/pestinha
  Pestinha는 컴퓨터 사용과 손길에 반응하는 캐릭터를 원하는 사람을 위한 로컬 데스크톱 가상 반려동물입니다. Bryan과 Jorge는 같은 신경망 설계를 쓰지만 성격과 콘텐츠와 기억은 따로 보관합니다. 마우스 동작, 사용 중인 프로그램 이름, 입력이 없는 시간, 창의 위치와 크기를 받아 표정과 이동과 놀이로 보여 줍니다. 자극이 쌓이면 모의 뉴런이 신호를 내는 스파이킹 신경망과 개발자가 정한 규칙이 함께 행동 경향을 결정합니다. 보상과 상황의 연관 학습, 반복 자극에 둔감해지는 습관화로 일부 반응이 달라지며 학습 상태는 클라우드 계정 대신 로컬에 저장합니다. Python 3.11 이상과 PySide6, 운영체제별 인터페이스를 사용하며 Windows와 macOS와 Linux X11을 대상으로 하고 모델 서비스 API는 요구하지 않습니다. 시작 경로는 Python 의존성을 준비해 데스크톱 진입점을 열고 초기 안내의 접근 권한을 확인하는 방식입니다. 창의 내용이나 제목은 읽지 않으며 작성자는 macOS와 Linux를 실제 기기에서 시험하지 않았고 Wayland에는 추가 제약이 있다고 밝힙니다.
• Renhuai123/ziwei-doushu
  ziwei-doushu는 중국 전통 점술인 자미두수 명반을 만드는 TypeScript 엔진과 예제 웹사이트이며 Ni Haixia의 Tian Ji 강의 체계를 바탕으로 한 참고 자료를 제공합니다. 양력 생년월일, 두 시간 단위 시각의 순번과 성별을 입력받고 관련 모듈에서 출생지와 시간 보정 정보를 다룹니다. 엔진은 iztro와 lunar-javascript에 자체 규칙 보정을 더해 궁, 별과 운의 기간을 담은 구조화된 명반을 만듭니다. 보조 모듈은 진태양시, 윤달 처리 기준과 별 밝기 학파 설정을 다루며 예제 화면에서는 명반과 고전 원문을 볼 수 있습니다. Node.js와 npm을 사용하는 Next.js 환경이며 기본 명반 생성은 AI API 키 없이 브라우저에서 실행합니다. AI 해석과 궁합 분석의 API 경로는 포함하지 않으므로 모델 키만 넣어서는 해당 기능이 작동하지 않습니다. 해석 데이터셋은 별도로 배포하지만 운영용 해석 규칙 자료, 프롬프트와 상용 화면은 포함하지 않으며 확인한 해석 자료 파일은 비어 있는 대체 구현입니다. README는 데이터셋과 현재 엔진의 기준 차이도 밝히며 확인한 자료는 점술 해석의 과학적 예측 타당성을 입증하지 않습니다.
• davidakpele/wifi-densepose
  이 저장소는 카메라 영상 대신 WiFi 채널 상태 정보인 CSI로 사람 자세를 추정하려는 시스템의 틀을 제공합니다. CSI는 무선 통신 경로의 변화를 담는 정보이며 카메라 없는 감지를 연구하는 개발자가 대상입니다. 설계상 CSI 표본을 받아 진폭과 위상을 처리하고 모델 입력 특징으로 바꾼 뒤 자세 결과를 API와 실시간 전송으로 제공합니다. 소스에는 PyTorch 모델 구성 요소, 서비스 관리, 하드웨어와 자세의 모의 실행 설정이 있습니다. 그러나 서비스가 실제 CSI를 수집하는 메서드는 표본을 반환하지 않는 미구현 상태입니다. 학습된 자세 가중치를 읽는 부분은 주석 처리되어 있고 자세 생성과 행동 분류 일부도 합성 결과를 만듭니다. README는 패키지 설치와 장비 설정을 설명하지만 그것만으로 감지 시스템이 작동한다고 볼 수 없습니다. 실제 사용에는 검증된 CSI 수집 경로, 학습 가중치, 공간별 보정과 실측 검증이 필요하므로 벽 너머 추적이나 홍보된 정확도와 속도를 확인된 기능으로 받아들일 수 없습니다.

Trendshift 순위 목록에 오른 저장소만 담았고, 목록은 후보를 찾는 데만 썼습니다. 순위 숫자는 옮기지 않았습니다. 설명과 라이선스, 별 수는 각 GitHub 저장소에서 확인했습니다. 해설은 우리의 판단입니다. 이 프로젝트들을 직접 시험한 것은 아니며, 상승 목록에 올랐다고 품질이 증명되지는 않습니다.