Carlo 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
Carlo 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
Carlo 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
Carlo 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
Carlo 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !
授权协议 Apache-2.0
开发语言 JavaScript
操作系统 跨平台
软件类型 开源软件
开源组织 Google
地区 不详
提 交 者 王练
适用人群 未知
收录时间 2018-11-22

软件简介

Carlo 是一个 Headful Node 应用框架,由 Google Labs 开源。官方将其描述为 “ Node 应用 Web 渲染界面”。

Carlo 为 Node 应用提供 Chrome 渲染功能,使用 Puppeteer 项目与本地安装的浏览器实例进行通信,并实现远程调用基础架构,以便在 Node 和 Chrome 之间进行通信。

不同于 ElectronNW.js ,Carlo 并不会尝试将特定版本的 Chrome 和 Node.js 打包在一起,而是依赖于用户电脑上已安装的任意版本的 Chrome 。

Carlo 并不提供构建真正桌面应用的功能,像是修改应用图标或自定义菜单,Carlo 更专注于生产力和 Web/Node 的互操作性。不过,你也可以使用 pkg 将 Carlo 应用打包到可执行二进制文件中。

示例 - 显示本地环境

Save file as example.js

const carlo = require('carlo');

(async () => {
  // Launch the browser.
  const app = await carlo.launch();

  // Terminate Node.js process on app window closing.
  app.on('exit', () => process.exit());

  // Tell carlo where your web files are located.
  app.serveFolder(__dirname);

  // Expose 'env' function in the web environment.
  await app.exposeFunction('env', _ => process.env);

  // Navigate to the main page of your app.
  await app.load('example.html');
})();

Save file as example.html

<script>
async function run() {
  // Call the function that was exposed in Node.
  const data = await env();
  for (const type in data) {
    const div = document.createElement('div');
    div.textContent = `${type}: ${data[type]}`;
    document.body.appendChild(div);
  }
}
</script>
<body onload="run()">

运行应用

node example.js
展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (0)

加载中
更多评论
发表于AI & 大数据专区
2018/11/23 08:08

Google 推出 Node 应用 Web 渲染界面 Carlo

在刚刚发布的 2018 JavaScript 现状调查报告中,可能有人注意到里面提到了一个新的 Headful Node 应用框架 —— Carlo 。Carlo 是 Google Labs 近日推出的一个开源项目,官方将其描述为 “ Node 应用 Web 渲染界面”。 Carlo 为 Node 应用提供 Chrome 渲染功能,使用 Puppeteer 项目与本地安装的浏览器实例进行通信,并实现远程调用基础架构,以便在 Node 和 Chrome 之间进行通信。 不同于 Electron 和 NW.js ,Carlo 并不会尝试...

8
30
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
发表了博客
2019/01/31 21:28

蒙特卡罗方法(Monte Carlo method)

 蒙特卡罗方法(Monte Carlo method)   蒙特卡罗方法概述   蒙特卡罗方法又称统计模拟法、随机抽样技术,是一种随机模拟方法,以概率和统计理论方法为基础的一种计算方法,是使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系,用电子计算机实现统计模拟或抽样,以获得问题的近似解。为象征性地表明这一方法的概率统计特征,故借用赌城蒙特卡罗命名。   蒙特卡罗方法的...

0
0
发表于大前端专区
2020/07/18 17:10

Types of SPICE simulation: Monte Carlo

In the previous article we described SPICE simulation types and explained DC analysis, AC analysis, and transient analysis among the four types of analysis functions provided as standard. In this article, we explain the remaining function, Monte Carlo simulations. SPICE simulation: Monte Carlo Monte Carlo is a general term for methods using random numbers in simulations and numerical calculatio...

0
0
发表了博客
2018/04/17 14:17

Monte Carlo tree search 学习

https://en.wikipedia.org/wiki/Monte_Carlo_tree_search 蒙特卡洛树搜索(MCTS)基础 http://mcts.ai/about/index.html UCT_RAVE算法在多人非完备信息博弈中的应用 蒙特卡洛树搜索算法(UCT): 一个程序猿进化的故事 UCT算法(Upper Confidence Bound Apply to Tree),即信任度上限树,是一种博弈树搜索算法,该算法将蒙特卡洛树搜索(Monte—Carlo Tree Search,MCTS)方法与UCB公式结合,在超大规模博弈树的搜索过程中相对于传...

0
0
2020/09/27 20:05

15分钟入门蒙特卡洛 Monte Carlo

↑↑↑点击上方蓝字,回复资料,10个G的惊喜 来自 | 知乎 作者 | 薛定豆 编辑 | 深度学习这件小事公众号 链接 | https://zhuanlan.zhihu.com/p/223042372 20世纪40年代,蒙特卡洛(Monte Carlo, 位于摩纳哥的赌城,如上图)方法由John von Neumann,Stanislaw Ulam和 Nicholas Metropolis 在 Los Alamos National Lab (LANL) 曼哈顿计划中,为模拟中子扩散发展出的一种统计方法。正如名字反映出的,蒙特卡洛方法本质上是跟赌博一...

0
0
2020/10/11 21:19

15分钟入门蒙特卡洛 Monte Carlo

来自 | 知乎 作者 | 薛定豆 链接 | https://zhuanlan.zhihu.com/p/223042372 编辑 | 深度学习这件小事公众号 本文仅作学术交流,如有侵权,请联系后台删除。 20世纪40年代,蒙特卡洛(Monte Carlo, 位于摩纳哥的赌城,如上图)方法由John von Neumann,Stanislaw Ulam和 Nicholas Metropolis 在 Los Alamos National Lab (LANL) 曼哈顿计划中,为模拟中子扩散发展出的一种统计方法。正如名字反映出的,蒙特卡洛方法本质上是跟赌...

0
0
发表了博客
2018/09/06 20:14

蒙特卡洛(Monte Carlo)方法求面积

如图,刷微博时,看到一个问题,第一个想到的就是用蒙特卡洛方法求解,当时正在练python,于是尝试用python编写程序。 1 import random 2 # 先求s1 3 k=0 4 n=100000000 5 for i in range(n): 6 x=random.uniform(0,10) 7 y=random.uniform(0,10) 8 if ((x-5)**2+(y-5)**2>25) and (y<-2*x+20): 9 k=k+1 10 else: k=k 11 12 s1=(k/n)*100 13 14 #求s2 15 import math 16 s2...

0
0
发表了博客
2018/03/10 19:36

解析Monte-Carlo算法(基本原理,理论基础,应用实践)

引言 最近在和同学讨论研究Six Sigma(六西格玛)软件开发方法及CMMI相关问题时,遇到了需要使用Monte-Carlo算法模拟分布未知的多元一次概率密度分布问题。于是花了几天时间,通过查询相关文献资料,深入研究了一下Monte-Carlo算法,并以实际应用为背景进行了一些实验。 在研究和实验过程中,发现Monte-Carlo算法是一个非常有用的算法,在许多实际问题中,都有用武之地。目前,这个算法已经在金融学、经济学、工程学、物理学、计...

0
0
发表了博客
2019/09/12 16:34

Monte-Carlo Dropout,蒙特卡罗 dropout

Monte-Carlo Dropout Monte-Carlo Dropout(蒙特卡罗 dropout),简称 MC dropout。 一种从贝叶斯理论出发的 Dropout 理解方式,将 Dropout 解释为高斯过程的贝叶斯近似。 云里雾里的,理论证明看起来挺复杂,有兴趣可以参考论文:Dropout as a Bayesian Approximation: Representing Model Uncertainty in Deep Learning. 以及这篇论文的 Appendix。 但其实,MC dropout 用起来就简单了,不需要修改现有的神经网络模型,只需要...

0
0
2020/12/22 12:10

agora-A portfolio and risk management system based on onyx.core-carlo sbraccia

agora-A portfolio and risk management system based on onyx.core-carlo sbraccia 发布:2020-12-22 12:10:01.457151 作者:carlo sbraccia ### 作者邮箱:carlo.sbraccia@gmail.com ### 首页:https://github.com/sbraccia/agora ### 文档:None ### 下载链接 Copy from pypi.org 查询时间:9.353ms 渲染时间:9.443ms 本文同步分享在 博客“zhenruyan”(other)。 如有侵权,请联系 support@oschina.cn 删除。 本文参...

0
0
发表了博客
2018/08/18 22:11

利用蒙特卡洛(Monte Carlo)方法计算π值[ 转载]

部分转载自:https://blog.csdn.net/daniel960601/article/details/79121055 圆周率π是一个无理数,没有任何一个精确公式能够计算π值,π的计算只能采用近似算法。 国际公认的π值计算采用蒙特卡洛方法。 一、蒙特卡洛方法 蒙特卡洛(Monte Carlo)方法,又称随机抽样或统计试验方法。当所求解的问题是某种事件出现的概率,或某随机变量的期望值时,可以通过某种“试验”方法求解。 简单说,蒙特卡洛是利用随机试验求解问题的方...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
36 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部