社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

这10个Python机器学习库,你用过哪些?

深度学习基础与进阶 • 1 月前 • 50 次点击  
来源:量子位

1. Awkward Array

根据官方介绍,Awkward Array用于嵌套的、大小不一的数据,包括任意长度的列表、记录、混合的类型和缺失数据,使用起来类似NumPy

看起来像是升级版的NumPy呀。

果然,不同长度的数组可以直接放在一起运算。

并且,官方表示Awkward Array不仅使用起来更简便,在速度内存上也有量级的优势。

看看是不是可以安排上了~

https://pypi.org/project/awkward/

2. Jupytext

相信大家对Jupyter Notebook都不陌生。

当你有了Jupytext这个小插件就可以将Jupyter Notebook和IDE完美结合,听起来是不是很棒!

从此Jupyter Notebook可以被存储为Markdown文件或多种语言的脚本文件。

Jupytext可以做的事主要有:

  • Jupyter Notebook的版本控制

  • 在你喜欢的文本编辑器中编辑、合并或重构Notebook

  • 在Notebook上使用Q&A检查

在Python中使用的样子:

此项目在Github上已有5k+star。

https://github.com/mwouts/jupytext

3. Gradio

比Streamlit还轻量UI设计库Gradio让你轻松在浏览器中“玩转”你的模型,可以直接在浏览器中拖放图片,粘贴文字,录制声音,等等。

只要将launch()函数中的参数设置为share=True,还能得到一个可分享网址,拿到链接的朋友在电脑和手机端都能打开,活脱脱就是一个小程序

时常需要做Demo的小伙伴快看起来吧,此项目在Github上已有4.5k+star。

https://github.com/gradio-app/gradio

4. Hub

这个Hub在数据管理和数据预处理上可是一把好手。

它可以处理任何类型任何大小的数据,并且因为数据储存在云端上,所以可以无缝在任何机器上访问。

被压缩为二进制字节的数据可以被存储在任何地方,并且只有在需要的时候才会被获取,所以没有TB级硬盘也可以处理TB级数据

Hub贴心地提供了重要API,支持数据在常用工具(PyTorch等)上的使用,数据版本控制,数据转换等功能。

此项目在github上已有4.1k+star。

https://github.com/activeloopai/Hub

5. AugLy

AugLy是facebook最新推出的数据增强库,同时支持语音文本图像视频类型的数据,包含了100多种增强方式。

数据对于模型训练至关重要,而标注大规模数据十分困难。由于人力资源,和模型特性的限制,数据增强的应用越来越广泛。

AugLy的优点

  • 处理类型更为全面。其他的数据增强库,例如Albumentations和NVIDIA DALI,主要负责图像相关数据的处理,文字数据不支持。

  • 处理方式十分人性化。AugLy可以将一张图片做成备忘录,在图片/视频上叠加文字/Emojis,转发社交媒体上的截图,还可以帮助你处理诸如拷贝检测、仇恨言论检测或版权侵权等问题。

此项目在Github上已有4.1k+star。

https://github.com/facebookresearch/AugLy

6. Evidently

Evidently是用来监测模型效果的工具,可从Pandas DataFrame或csv文件中生成交互式可视化报告JSON格式效果简介。在Jupyter Notebook中可以使用。

目前可以提供6种报告:数据漂移、数值目标漂移、分类目标漂移、回归模型性能、分类模型性能和概率分类模型性能。

此项目在Github上已有1.8k+star。

https://github.com/evidentlyai/evidently

7. YOLOX

如果你熟悉YOLO的话,那你或许会对旷视今年推出的YOLOX感兴趣。

YOLO就是那个目标检测算法,可以被使用在汽车自动驾驶等前沿技术中。

YOLOX是YOLO的无锚版本,设计更简单,但性能更好!它的目标是在研究界和工业界之间架起一座桥梁,同时弥合两方之间的差距。


这个Github上的开源项目在短短半年内已获得5.2k+star。

https://github.com/Megvii-BaseDetection/YOLOX

8. LightSeq

正如它的名字一样,LightSeq是一款由字节跳动开发的支持BERT、GPT、Transformer等众多模型的超快推理引擎。

可以看到它的表现,比FasterTransformer还要Fast

LightSeq支持的模型也是非常全面

总之就是两个字“好用”。此项目在Github上已有1.9k+star。

https://github.com/bytedance/lightseq

9. Greykite

想预测COVID-19的恢复速度吗?那就来看看LinkedIn为了自家时间序列预测需求开发的Greykite吧。

功能全面(多种时间趋势),界面直观,预测速度快和可扩展性强是它最大的亮点。

被应用在上面的三大算法:

  • Silverkite (Greykite’s flagship algorithm)

  • Facebook Prophet

  • Auto Arima

感兴趣的话就去研究看看吧,此项目在Github上已有1.4k+star。

https://github.com/linkedin/greykite

10. Jina and Finetuner

如今,在搜索引擎等应用上,语义识别的地位越来越高,因为它可以有效避免字词匹配的局限。

不过语义识别涉及的神经网络可能会让很多人感到头大,JinaFinetuner可以帮你解决这些问题。

Jina是一个神经搜索框架,使任何人都能在几分钟内建立可扩展的深度学习搜索应用程序。

Finetuner配合Jina帮助你对神经网络进行调参,以获得神经搜索任务的最佳结果。

Jina和Finetuner适合没什么经验,又想尝试的朋友。

https://github.com/jina-ai/finetuner

参考链接:

https://tryolabs.com/blog/2021/12/21/top-python-libraries-2021

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/169691
 
50 次点击