99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀30個(gè)頂級(jí)Python庫 | 用于深度學(xué)習(xí)、自然語言處理和計(jì)算機(jī)視覺
30個(gè)頂級(jí)Python庫 | 用于深度學(xué)習(xí)、自然語言處理和計(jì)算機(jī)視覺
2022-02-28
收藏
30個(gè)頂級(jí)Python庫 | 用于<a href='/map/shenduxuexi/' style='color:#000;font-size:inherit;'>深度學(xué)習(xí)</a>、<a href='/map/ziranyuyanchuli/' style='color:#000;font-size:inherit;'>自然語言處理</a>和<a href='/map/jisuanjishijue/' style='color:#000;font-size:inherit;'>計(jì)算機(jī)視覺</a>

CDA數(shù)據(jù)分析師 出品

作者：Matthew Mayo

編譯：Mika

今天我們來盤點(diǎn)一下有哪些用于深度學(xué)習(xí)、自然語言處理和計(jì)算機(jī)視覺的頂級(jí)Python庫。

我們盡力將每個(gè)庫按預(yù)期的使用情況進(jìn)行歸類，希望這能對(duì)大家有所幫助。

顯然，現(xiàn)在并不是所有的自然語言處理和計(jì)算機(jī)視覺工作都是使用深度學(xué)習(xí)技術(shù)進(jìn)行的，但隨著趨勢(shì)朝著這種技術(shù)的方向發(fā)展。

所有包含的庫都有對(duì)應(yīng)的Github代碼倉庫，我們還列出每個(gè)庫的在Github上的收藏(Stars) ，提交(Commits )，貢獻(xiàn)者(Contributors)的數(shù)據(jù)，這在一定程度上反映了庫的流行度和使用情況。

接著讓我們分別來看看由KDnuggets工作人員整理的用于深度學(xué)習(xí)、自然語言處理和計(jì)算機(jī)視覺的30個(gè)頂級(jí)Python庫。

深度學(xué)習(xí)

1. TensorFlow

收藏: 149000, 提交: 97741, 貢獻(xiàn)者: 2754

TensorFlow是一個(gè)用于機(jī)器學(xué)習(xí)的端到端開源平臺(tái)。它有一個(gè)全面的、靈活的工具、庫和社區(qū)資源的生態(tài)系統(tǒng)，讓研究人員推動(dòng)機(jī)器學(xué)習(xí)的最先進(jìn)技術(shù)，讓開發(fā)人員輕松建立和部署機(jī)器學(xué)習(xí)驅(qū)動(dòng)的應(yīng)用程序。

2. Keras

收藏: 50000, 提交: 5349, 貢獻(xiàn)者：864

Keras是一個(gè)用Python編寫的深度學(xué)習(xí)API，運(yùn)行在機(jī)器學(xué)習(xí)平臺(tái)TensorFlow的基礎(chǔ)上。

3. PyTorch

收藏: 43200, 提交: 30696, 貢獻(xiàn)者：1619

Python中的張量和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，具有強(qiáng)大的GPU加速能力

4. fastai

收藏: 19800, 提交: 1450, 貢獻(xiàn)者: 607

fastai使用現(xiàn)代最佳實(shí)踐簡化了快速、準(zhǔn)確的神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

5. PyTorch Lightning

收藏: 9600, 提交: 3594, 貢獻(xiàn)者：317

用于高性能人工智能研究的輕量級(jí)PyTorch封裝。

6. JAX

收藏: 10000, 提交: 5708, 貢獻(xiàn)者：221

Python+NumPy程序的可組合轉(zhuǎn)換：區(qū)分、矢量化、JIT到GPU/TPU等

7. MXNet

收藏: 19100, 提交: 11387, 貢獻(xiàn)者: 839

輕量級(jí)、便攜、靈活的分布式、移動(dòng)式深度學(xué)習(xí)，具有動(dòng)態(tài)、突變意識(shí)的數(shù)據(jù)流調(diào)度器；適用于Python、R、Julia、Scala、Go、Javascript等。

8. Ignite

收藏: 3100, 提交: 747, 貢獻(xiàn)者: 112

幫助PyTorch中的神經(jīng)網(wǎng)絡(luò)靈活透明地進(jìn)行訓(xùn)練和評(píng)估的高級(jí)庫。

自然語言處理(NLP)

9. FastText

收藏: 21700, 提交: 379, 貢獻(xiàn)者：47

FastText是一個(gè)用于高效學(xué)習(xí)單詞表示法和句子分類的庫。

10. spaCy

收藏: 17400, 提交: 11628, 貢獻(xiàn)者: 482

使用Python和Cython的強(qiáng)大自然語言處理。

11. gensim

收藏: 11200, 提交: 4024, 貢獻(xiàn)者: 361

用于主題建模、文檔索引和大型語料庫相似度檢索的Python庫。目標(biāo)受眾是自然語言處理和信息檢索社區(qū)。

12. NLTK

收藏：9300，提交：13990，貢獻(xiàn)者：319

開源的Python模塊、數(shù)據(jù)集和教程，支持自然語言處理方面的研究和開發(fā)。

13. Datasets (Huggingface開發(fā))

收藏：4300，提交：568，貢獻(xiàn)者：64

在PyTorch、TensorFlow、NumPy和Pandas中為自然語言處理等提供快速、高效、開放的數(shù)據(jù)集和評(píng)估指標(biāo)。

14. Tokenizers（Huggingface開發(fā)）

收藏：3800，提交：1252，貢獻(xiàn)者：30

為研究和生產(chǎn)而優(yōu)化的最先進(jìn)快速標(biāo)記器

15. Transformers（Huggingface開發(fā)）

收藏：3500，提交：5480，貢獻(xiàn)者：585

用于Pytorch和TensorFlow 2.0的最先進(jìn)的自然語言處理。

16. Stanza

收藏：4800，提交：1514，貢獻(xiàn)者：19

用于許多人類語言的斯坦福自然語言Python官方庫

17. TextBlob

收藏：7300，提交：542，貢獻(xiàn)者：24

簡單、Python式的、具有文本處理—情緒分析、詞性標(biāo)注、名詞短語提取、翻譯等等功能。

18. PyTorch NLP

收藏：1800人，提交：442人，貢獻(xiàn)者：15人

用于PyTorch自然語言處理的基本工具

19. Textacy

收藏：1500人，提交：1324人，貢獻(xiàn)者：23人

用于執(zhí)行各種自然語言處理任務(wù)的Python庫，建立在高性能spaCy庫的基礎(chǔ)上。

20. Finetune

收藏: 626, 提交: 1405, 貢獻(xiàn)者: 13

允許用戶利用最先進(jìn)的預(yù)訓(xùn)練的自然語言處理模型來完成各種下游任務(wù)。

21. TextHero

收藏: 1900, 提交: 266, 貢獻(xiàn)者: 17

從頭開始，數(shù)量用于文本預(yù)處理、表示和可視化。

22. Spark NLP

收藏: 1700, 提交: 4363, 貢獻(xiàn)者：50

Spark NLP是一個(gè)建立在Apache Spark ML之上的自然語言處理庫。

23. GluonNLP

收藏: 2200, 提交: 712, 貢獻(xiàn)者: 72

GluonNLP是一個(gè)工具包，可以輕松實(shí)現(xiàn)文本預(yù)處理、數(shù)據(jù)集加載和神經(jīng)模型構(gòu)建，幫助你加快自然語言處理（NLP）研究。

計(jì)算機(jī)視覺

24. Pillow

收藏：7800，提交：10799，貢獻(xiàn)者：303

Pillow是很不錯(cuò)的Python成像庫分叉。

25. OpenCV

收藏：49600，提交：29453，貢獻(xiàn)者：1234

開源計(jì)算機(jī)視覺庫

26. scikit-image

收藏：4000，提交：12352，貢獻(xiàn)者：403

Python中的圖像處理

27. Mahotas

收藏：644人，提交：1273人，貢獻(xiàn)者：25人

快速計(jì)算機(jī)視覺算法庫（為了提高速度，全部用C++實(shí)現(xiàn)），在numpy數(shù)組上運(yùn)行。

28. Simple-CV

收藏：2400人，提交：2625人，貢獻(xiàn)者：69人

開源機(jī)器視覺框架，使用OpenCV和Python編程語言。

29. GluonCV

收藏：4300，提交：774，貢獻(xiàn)者：101

提供了計(jì)算機(jī)視覺中最先進(jìn)的（SOTA）深度學(xué)習(xí)模型的實(shí)現(xiàn)。

30. Torchvision

收藏：7500，提交：1286，貢獻(xiàn)者：334

軟件包包括流行的數(shù)據(jù)集、模型架構(gòu)和用于計(jì)算機(jī)視覺的常見圖像轉(zhuǎn)換。

結(jié)語：

以上就是30個(gè)你值得了解的用于深度學(xué)習(xí)、自然語言處理和計(jì)算機(jī)視覺的頂級(jí)Python庫，希望能對(duì)你有所幫助。

數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請(qǐng)參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }