github开源社区排名(Github年终各大排行榜超级盘点)-众学网

提到开源项目，2018 年注定是不平凡的一年。据 Octoverse 报告数据，仅在 2018 年，Github 上的新用户就比过去六年的用户总数还要多，存储库数量近一亿，这些增长都要归功于开源社区。

2018 年，大家都学了些什么？在 Github 上度过了多少时间？收藏了多少开源项目？加入了哪些开源社区？是否为哪个项目或社区贡献了自己的一份力量呢？今天，为大家整理了一份 Github 2018 年终报告，为大家盘点这一年 Github 上正在发生的一些变化，也希望能给大家在 2019 年提供参考方向。

Github 年终报告

2018年，在 Github 上，你可以跨存储库进行访问、获取全球超过 9600 万个项目的请求、问题与评论。托管在 Github 上的存储库达到 9600 多万个。创建了超过 2 亿个 pull requests，仅2018年的创建量就超过了总数的 1/3。这里特别 Cue 一下第 2 亿个请求—— Vuetify.js。下面就要开始划重点了，为大家解读一些重要的内容。

一、开源项目四大排行榜

▌1、总排行榜（根据贡献者数量）

VS Code、React和 TensorFlow 三个项目的贡献者数量再次榜上有名并且位居了今年的前三甲。而今年，新上榜的还有容器管理类应用程序、Azure-docs 与合并 TypeScript 类型定义项目： Kubernetes, Azure Docs, and DefinitelyTyped。

▌2、飙升榜（根据增长速度）

总体来说，我们可以看到与机器学习、游戏、3D 打印、家庭自动化、科学编程、数据分析和全栈 JavaScript 开发相关的项目增长非常快速。

▌3、新酷榜

今年有很多令人兴奋的开源工作，从机器学习框架到游戏程序，这些开源项目虽然不是增速最快或最受欢迎的，但是我们认为这些开源项目或社区是非常有明星潜质的。

▌4、达人榜

这份排名主要是围绕那些致力于开源的组织。开源项目的发展离不开数百万付费或志愿开发人员的贡献以及雇佣他们的组织。其中，微软、Google、小红帽、英特尔及一些高校对开源项目及社区的贡献尤为突出。

二、主题排行榜

▌1、热题榜

今年的项目涉及上百万个主题，JavaScript（前端&后端）、机器学习和手机应用开发成为最热门的三大主题。

▌2、明星榜

机器学习和 React 是Github 社区中热门主题，其中 PyTorch 和 Gatsby 是今年增长最快的主题，区块链相关领域也呈增长趋势，当然，榜首还是 Hacktoberfest。

三、语言排行榜

▌1、热门榜

Github 上的项目，涉及上百种编程语言，但是 JavaScript 仍是贡献者使用人数最多的。今年 TypeScript 的名次上升到第 7 位，去年才是第一次进入排行榜的前十名。

▌2、劲升榜

从发展趋势来看，Kotlin、HCL、TypeScript 和 Rust 的增速都非常快。近年来，AI 领域、机器学习与深度学习算法的火热， Python 成为非常流行的语言，在总流行榜中排名第三，增长趋势榜中排名第八。

除了开源项目、项目主题和编程语言的数据统计，还有一些比较有意思的统计，比如在 Github 社区中，使用不同语言的贡献者经常使用的表情符号。想问一下 C# 和 C 的小伙伴们，你们怎么了？（关爱脸~~）

完整报告，可以阅读：

https://octoverse.github.com/projects

四、十大开源项目推荐

回顾过去的一年，每一个项目都是自发布后，从 0 Star、0 Fork 开始一个用户一个用户的积累。上面的那些榜单都是基于数据收集时长期累积的，下面推荐的这两份榜单有所不同，这些开源项目的数据都是在发布后 28 天的数据。

▌1、人气榜

根据 2017.12 –2018.12 的数据，评选出了 Github 上，基于项目发布 28 天后累计 Stars 数的十大开源项目。

▌2、原创榜

根据 2017.12 –2018.12 的数据，评选出了 Github 上，基于项目发布 28 天后累计贡献者数的十大开源项目。

阅读更多 Top 开源项目，可以阅读：

https://blog.github.com/2018-12-13-new-open-source-projects/

Github 深度学习开源项目资源清单

▌1、最受欢迎项目 Top 200 资源

这份定期更新的资料列表，列出了一段时间内最受大家欢迎的深度学习开源项目 Top 200。目前的数据更新于 2018 年 9 月。

看到前十名，想必大家都不陌生。一半是开源库或开源框架，TensorFlow、Keras、OpenCV、Caffe及 PyTorch；另外一半都是有助于学习升级的学习资源。有专门针对 TensorFlow 的教程 TensorFlow-Examples、有帮助攻克机器学习的 Machine-Learning-For-Software-Engineers、还有能在深度学习学习之路助你一臂之力的 Deep-Learning-Papers-Reading-Roadmap 和 Awesome-Deep-Learning-Papers。前十一名的名次都没有变化，不过MXNet 上升一个名而 CNTK 则下降一个名次，二者交换了排名。