6 Kern-Python-Programmierbibliotheken

Hallo habr Ich präsentiere Ihnen die Übersetzung des Artikels " 6 wesentliche Python-Bibliotheken für die Python-Programmierung " von VijayDeveloper .

Python (Python) ist eine allgemeine Programmiersprache auf hoher Ebene, die zu einer der führenden und beliebtesten in der Community der Programmierer geworden ist. Entsprechend seiner Leistungsfähigkeit wird es von der Entwicklung vereinfachter Anwendungen bis hin zu komplexen mathematischen Berechnungen mit gleichem Komplexitätsgrad klassifiziert.

Als eine der führenden Programmiersprachen verfügt es über zahlreiche Frameworks (Plattformen zum Erstellen von Anwendungen) und Bibliotheken, die Sie verwenden können. Eine Programmiersprachenbibliothek ist einfach eine Sammlung von Modulen und Funktionen, die bestimmte Vorgänge mit dieser Programmiersprache erleichtern.

Hier sind also 6 wichtige Python-Programmierbibliotheken, die jeder Python-Entwickler kennen sollte:

• Keras

Typ - Neuronale Netzwerkbibliothek.

Die erste Version ist März 2015.

Keras ist eine offene neuronale Netzwerkbibliothek, die in Python geschrieben wurde. Es zielt auf die operative Arbeit mit Deep-Learning-Netzwerken ab und ist gleichzeitig kompakt, modular und erweiterbar.

Keras bietet nicht nur einen einfacheren Mechanismus zum Ausdrücken neuronaler Netzwerke, sondern auch einige der besten Funktionen zum Kompilieren von Modellen, Verarbeiten von Datensätzen und Visualisieren von Diagrammen. Auf dem Backend (Server) verwendet Keras entweder Theano oder TensorFlow.

Aufgrund der Tatsache, dass Keras mithilfe der Serverinfrastruktur ein Berechnungsdiagramm erstellt und dann zum Ausführen von Vorgängen verwendet, arbeitet es langsamer als andere maschinelle Lernbibliotheken. Alle Modelle in Keras sind jedoch portabel.

Eigenschaften:

• Es ist leicht zu debuggen und zu recherchieren, da es vollständig in Python geschrieben ist.
• Enthält zahlreiche Implementierungen häufig verwendeter Bausteine ​​neuronaler Netzwerke, wie Aktivierungsfunktionen, Ebenen, Ziele und Optimierer.
• Unglaubliche Ausdruckskraft und Flexibilität machen es ideal für innovative Forschung.
• Es bietet mehrere vorverarbeitete Datensätze und vorgefertigte Modelle wie Inception, MNIST, ResNet, SqueezeNet und VGG.
• Bietet Unterstützung für fast alle Modelle neuronaler Netze, einschließlich Faltungsnetzwerke, eingebettete Netze, vollständig verbundene Netze, Pooling-Netze und wiederkehrende Netze. Darüber hinaus können diese Modelle kombiniert werden, um noch komplexere Modelle zu entwickeln.
• Es funktioniert sowohl auf der CPU (Zentralprozessor) als auch auf der GPU (Prozessorkern)

Anwendungsgebiet:

• Netflix, Square, Uber und Yelp werden bereits verwendet.
• Für tiefe Lernforschung. Angenommen von Forschern am CERN und der NASA.
• Beliebt bei Startups, die Deep Learning-Produkte entwickeln.

• NumPy

Typ - Technische Datenverarbeitungsbibliothek.

Die ursprüngliche Version ist 1995 (als Numeric).

2006 (wie NumPy).

NumPy wurde 2005 von Travis Oliphant erstellt, indem die Funktionen der konkurrierenden Numarray-Bibliothek in die Numeric-Bibliothek integriert und umfangreiche Änderungen vorgenommen wurden. Die kostenlose Open-Source-Bibliothek hat mehrere Mitwirkende aus der ganzen Welt.

Eine der beliebtesten Bibliotheken für maschinelles Lernen in Python, TensorFlow und mehreren anderen Bibliotheken verwendet die NumPy Python-Bibliothek intern, um mehrere Tensoroperationen auszuführen.

Eigenschaften:

• Aktive Community-Unterstützung
• Völlig kostenlos und Open Source
• Komplexe Matrixoperationen wie Matrixmultiplikation
• Interaktiv und super einfach zu bedienen.
• Erleichtert komplexe mathematische Implementierungen
• Einfach mit lesbaren Konzepten zu codieren

Anwendungsgebiet:

• Komplexe mathematische Berechnungen durchführen
• Zur Darstellung von Bildern, Schallwellen und anderen Formen von binären Rohdatenströmen in Form eines Arrays von reellen Zahlen in N-dimensionaler Form
• Für maschinelles Lernen

• Kissen

Typ - Bildverarbeitungsbibliothek

Erstveröffentlichung - 1995 (wie Python Imaging Library oder PIL)

2011 (wie Kissen)

Pillow ist eine Python-Bibliothek, die fast so alt ist wie die Programmiersprache, für die sie entwickelt wurde. In der Tat ist Pillow eine Abzweigung für PIL (Python Imaging Library). Die frei verwendete Python-Bibliothek wird zum Öffnen, Bearbeiten und Speichern einer Vielzahl von Bilddateien benötigt.

Pillow wurde als Ersatz für das ursprüngliche PIL in mehreren Linux-Distributionen eingeführt, insbesondere Debian und Ubuntu. Es ist jedoch auch für MacOS und Windows verfügbar.

Eigenschaften:

• Fügt den Bildern Text hinzu
• Bildverbesserung und -filterung, einschließlich Unschärfe, Helligkeitsanpassung, Kontur und Schärfe
• Tarnung und Transparenz
• Pixel-Manipulation
• Bietet Unterstützung für viele Bilddateiformate, einschließlich BMP, GIF, JPEG, PNG, PPM und TIFF. Bietet Unterstützung für das Erstellen neuer Dateidecoder, um die Bibliothek der verfügbaren Dateiformate zu erweitern.

Anwendungsgebiet:

• Für die Bildverarbeitung

• PYGLET

Typ - Spieleentwicklungsbibliothek

Erstveröffentlichung - April 2015

PYGLET ist eine plattformübergreifende Beschneidungs- und Multimedia-Bibliothek für Python und ein beliebter Name für die Entwicklung von Spielen mit Python. Zusätzlich zu Spielen wurde die Bibliothek entwickelt, um visuell ansprechende Anwendungen zu erstellen.

Zusätzlich zur Unterstützung von Frames bietet PYGLET Unterstützung für das Laden von Bildern und Videos, das Abspielen von Sounds und Musik, OpenGL-Grafiken und das Behandeln von Ereignissen auf der Benutzeroberfläche.

Eigenschaften:

• Verwenden mehrerer Fenster und Desktops mit mehreren Monitoren
• Laden Sie Bilder, Ton und Video in fast allen Formaten herunter
• Keine externen Abhängigkeiten oder Installationsanforderungen
• Es wird unter einer Open-Source-BSD-Lizenz bereitgestellt und kann daher für private und kommerzielle Zwecke frei verwendet werden.
• Bietet Unterstützung für Python 2 und Python 3

Anwendungsgebiet:

• Für die Entwicklung visuell ansprechender Anwendungen
• Für die Spieleentwicklung

• Anfragen

Typ - HTTP-Bibliothek

Erstveröffentlichung - Februar 2011

Requests - Die Python-Bibliothek von Python wurde entwickelt, um HTTP-Anfragen einfacher und bequemer zu machen. Mit Requests, das von Kenneth Reitz und mehreren anderen Mitwirkenden entwickelt wurde, können Sie HTTP / 1.1-Anforderungen ohne menschliches Eingreifen senden.

Von Nike über Spotify bis hin zu Amazon und Microsoft verwenden Dutzende großer Unternehmen interne Abfragen, um HTTP besser verarbeiten zu können. Requests wurde vollständig in Python geschrieben und ist als kostenlose Open-Source-Bibliothek unter der Apache2-Lizenz erhältlich.

Eigenschaften:

• Inhalt automatisch dekodieren
• Basis- / Digest-Authentifizierung
• Browser-ähnliche SSL-Validierung
• Teilanforderungen und Verbindungs-Timeouts
• Bietet Unterstützung für .netrc- und HTTP-Proxys
• Cookie-Sitzungen
• Unicode-Antworttext

Anwendungsgebiet:

• Ermöglicht das Senden von HTTP / 1.1-Anforderungen mit Python und das Hinzufügen von Inhalten wie Kopfzeilen, Formulardaten und mehrteiligen Dateien
• So fügen Sie einer URL automatisch Abfragezeichenfolgen hinzu
• Automatische Kodierung von POST-Daten

• TensorFlow

Typ - Maschinelles Lernen Bibliothek

Erstveröffentlichung - November 2015

TensorFlow ist eine kostenlose Open-Source-Python-Bibliothek, mit der eine Reihe von Aufgaben im Zusammenhang mit dem Datenfluss und der differenzierbaren Programmierung gelöst werden können. Die symbolische Mathematikbibliothek TensorFlow ist jedoch eine der am häufigsten verwendeten maschinellen Lernbibliotheken von Python.

Die Bibliothek wurde von Google Brain für den internen Gebrauch entwickelt und wird für kommerzielle und Forschungszwecke verwendet.

Tensor sind N-dimensionale Matrizen, die Daten darstellen. Mit der TensorFlow-Bibliothek können Sie neue Algorithmen schreiben, die eine große Anzahl von Tensoroperationen enthalten.

Da neuronale Netze als Berechnungsgraphen ausgedrückt werden können, können sie leicht unter Verwendung der TensorFlow-Bibliothek als Folge von Operationen an Tensoren implementiert werden.

Eigenschaften:

• Ermöglicht die Visualisierung jedes Teils des Diagramms.
• Völlig kostenlos und Open Source
• Leicht zu erlernen auf CPU (Zentraleinheit) und GPU (Prozessorkern) für verteiltes Rechnen
• Großartige Unterstützung für die Community
• Bietet Flexibilität bei der Leistung. Die Teile, die am meisten benötigt werden, können einzeln hergestellt werden
• Unterstützt das Training mehrerer neuronaler Netze und mehrerer GPUs, um effiziente Modelle in großen Systemen zu erstellen
• Verwendet Methoden wie XLA, um lineare Algebraoperationen zu beschleunigen

Anwendungsgebiet:

• Für maschinelles Lernen
• Für neuronale Netzwerkprojekte
• In automatisierten Untertitelsoftware wie DeepDream
• Maschinelles Lernen in Google-Produkten wie Google Fotos und Google Voice Search

Damit ist die Liste der 6 wichtigsten Python-Bibliotheken für die Python-Programmierung abgeschlossen. Welche Bibliotheken sollten / sollten nicht auf dieser Liste stehen? Lass es uns in deinen Kommentaren wissen.

Lerne jetzt Python und möge die Kraft mit dir kommen!