Привет, Хабр! Представляю вам перевод статьи " 6 основных библиотек Python для программирования на Python "от автора VijayРазработчик .
Python — это высокоуровневый язык программирования общего назначения, ставший одним из ведущих и самых популярных языков в сообществе программистов.
По своим возможностям он классифицируется от разработки упрощенных приложений до выполнения сложных математических вычислений одинакового уровня сложности.
Будучи одним из ведущих языков программирования, он имеет множество фреймворков (платформ для создания приложений) и библиотек, которыми вы можете воспользоваться.
Библиотека языка программирования — это просто набор модулей и функций, которые облегчают некоторые конкретные операции с использованием этого языка программирования.
Итак, вот 6 основных библиотек программирования Python, о которых должен знать каждый разработчик Python:
• Керас
Тип – библиотека нейронных сетей.Первоначальная версия – март 2015 г.
Keras — открытая библиотека нейронных сетей, написанная на Python. Предназначенный для быстрой работы с сетями глубокого обучения, он спроектирован так, чтобы быть компактным, модульным и расширяемым.
Помимо предоставления более простого механизма выражения нейронных сетей, Keras также предлагает некоторые из лучших функций для компиляции моделей, обработки наборов данных и визуализации графиков.
На бэкэнде (сервере) Keras использует Theano или TensorFlow. Поскольку Keras создает вычислительный граф, используя серверную инфраструктуру, а затем использует его для выполнения операций, он работает медленнее, чем другие библиотеки машинного обучения.
Однако все модели в Keras портативны.
Особенности:
- Его легко отлаживать и исследовать, поскольку он полностью написан на Python.
- Содержит многочисленные реализации часто используемых строительных блоков нейронных сетей, таких как функции активации, слои, цели и оптимизаторы.
- Его невероятная выразительность и гибкость делают его идеальным для инновационных исследований.
- Предлагает несколько предварительно обработанных наборов данных и предварительно обученных моделей, таких как Inception, MNIST, ResNet, SqueezeNet и VGG.
- Обеспечивает поддержку практически всех моделей нейронных сетей, включая сверточные, встроенные, полносвязные, групповые и рекуррентные.
Более того, эти модели можно комбинировать для разработки еще более сложных моделей.
- Работает как на CPU (центральном процессоре), так и на GPU (ядре процессора).
- Уже используется Netflix, Square, Uber и Yelp.
- Для исследований в области глубокого обучения.
Принято исследователями ЦЕРН и НАСА.
- Популярен среди стартапов, разрабатывающих продукты на основе глубокого обучения.
• НумПи
Тип – библиотека технических вычислений.Первоначальная версия – 1995 г.
(как числовая).
2006 (как и NumPy).
NumPy был создан Трэвисом Олифантом в 2005 году путем включения функций конкурирующей библиотеки Numarray в библиотеку Numeric и применения обширных модификаций.
В бесплатную библиотеку с открытым исходным кодом входят несколько авторов со всего мира.
Одна из самых популярных библиотек машинного обучения на Python, TensorFlow и несколько других библиотек используют внутреннюю библиотеку Python NumPy для выполнения нескольких операций с тензорами.
Особенности:
- Активная поддержка сообщества
- Полностью бесплатный и с открытым исходным кодом
- Сложные матричные операции, такие как умножение матриц.
- Интерактивный и очень простой в использовании
- Облегчает сложные математические реализации
- Легко кодировать с понятными для человека концепциями
- Выполнять сложные математические расчеты
- Для представления изображений, звуковых волн и других форм двоичных необработанных потоков в виде массива действительных чисел в N-мерном формате.
- Для проектов машинного обучения
• Подушка
Тип – Библиотека обработки изображений Первоначальная версия — 1995 г.(как библиотека изображений Python или PIL) 2011 (Как подушка) Pillow — это библиотека Python, которая почти так же стара, как и язык программирования, для которого она была разработана.
Фактически Pillow — это ответвление PIL (библиотеки изображений Python).
Свободно используемая библиотека Python необходима для открытия, управления и сохранения различных файлов изображений.
Pillow был принят в качестве замены оригинального PIL в нескольких дистрибутивах Linux, особенно в Debian и Ubuntu. Однако он также доступен для MacOS и Windows. Особенности:
- Добавляет текст к изображениям
- Улучшение и фильтрация изображения, включая размытие, регулировку яркости, контур и резкость.
- Маскирование и прозрачность
- Манипулирование пикселями
- Обеспечивает поддержку различных форматов файлов изображений, включая BMP, GIF, JPEG, PNG, PPM и TIFF. Обеспечивает поддержку создания новых декодеров файлов для расширения библиотеки доступных форматов файлов.
- Для обработки изображений
• ПИГЛЕТ
Тип — Библиотека разработки игр Первоначальная версия – апрель 2015 г.PYGLET — многоплатформенная библиотека фреймов и мультимедиа для Python — популярное название для разработки игр с использованием Python. Помимо игр, библиотека предназначена для создания визуально насыщенных приложений.
Помимо поддержки обрезки, PYGLET обеспечивает поддержку загрузки изображений и видео, воспроизведения звуков и музыки, графики OpenGL и обработки событий пользовательского интерфейса.
Особенности:
- Использование нескольких окон и рабочих столов с несколькими мониторами
- Загружайте изображения, звук и видео практически во всех форматах
- Никаких внешних зависимостей или требований к установке.
- Предоставляется по лицензии BSD с открытым исходным кодом, поэтому его можно свободно использовать как в личных, так и в коммерческих целях.
- Обеспечивает поддержку как Python 2, так и Python 3.
- Для разработки визуально насыщенных приложений
- Для разработки игр
•Запросы
Тип — HTTP-библиотека.Первоначальная версия – февраль 2011 г.
Requests — это HTTP-библиотека Python, призванная сделать HTTP-запросы проще и удобнее.
Программа Requests, разработанная Кеннетом Рейцем и несколькими другими участниками, позволяет отправлять запросы HTTP/1.1 без вмешательства человека.
От Nike и Spotify до Amazon и Microsoft — десятки крупных организаций используют внутренние запросы, чтобы лучше справляться с HTTP. Написанный полностью на Python, Requests доступен в виде бесплатной библиотеки с открытым исходным кодом под лицензией Apache2. Особенности:
- Автоматическое декодирование контента
- Базовая/дайджест-аутентификация
- Проверка SSL в стиле браузера
- Частичные запросы и таймауты соединения
- Обеспечивает поддержку прокси-серверов .
netrc и HTTP(S).
- Сеансы сохранения файлов cookie
- Тело ответа в Юникоде
- Позволяет отправлять запросы HTTP/1.1 с использованием Python и добавлять такой контент, как заголовки, данные форм и составные файлы.
- Чтобы автоматически добавлять строки запроса к URL-адресам
- Для автоматического кодирования данных POST
• ТензорФлоу
Тип — Библиотека машинного обучения Первоначальная версия – ноябрь 2015 г.TensorFlow — это бесплатная библиотека Python с открытым исходным кодом, предназначенная для решения ряда задач, связанных с потоками данных и дифференцируемым программированием.
Однако символьная математическая библиотека TensorFlow является одной из наиболее широко используемых библиотек машинного обучения Python. Библиотека, разработанная Google Brain для внутреннего использования, используется в коммерческих и исследовательских целях.
Тензорные матрицы — это N-мерные матрицы, представляющие данные.
Библиотека TensorFlow позволяет писать новые алгоритмы, включающие большое количество тензорных операций.
Поскольку нейронные сети можно выразить в виде вычислительных графов, их можно легко реализовать с помощью библиотеки TensorFlow как последовательность операций над тензорами.
Особенности:
- Позволяет визуализировать каждую часть графика
- Полностью бесплатный и с открытым исходным кодом
- Легко обучается CPU (центральному процессору) и GPU (ядру процессора) для распределенных вычислений.
- Огромная поддержка сообщества
- Обеспечивает гибкость в его работе.
Детали, которые необходимы больше всего, можно сделать автономными.
- Поддерживает обучение нескольких нейронных сетей и нескольких графических процессоров для создания эффективных моделей в больших системах.
- Использует методы, подобные XLA, для ускорения операций линейной алгебры.
- Для проектов машинного обучения
- Для проектов нейронных сетей
- В программном обеспечении для автоматизированных титров, таком как DeepDream.
- Машинное обучение в продуктах Google, таких как Google Photos и Google Voice Search.
Изучите Python прямо сейчас, и да пребудет с вами сила! Теги: #python #программирование #прогресс #языки программирования
-
Когда Надоедливые Программы Не Исчезнут
19 Oct, 24 -
Вант Хофф, Якоб Хенрик
19 Oct, 24 -
Зачем Нам Кузнец?
19 Oct, 24 -
Liveinternet.ru - Многоязычный
19 Oct, 24 -
Yahoo Закрывает Свои Аукционы
19 Oct, 24 -
Обзор Loadrunner 12
19 Oct, 24
