哈Ha！ 我向您介绍了
VijayDeveloper撰写的文章“
用于Python编程的6个基本Python库 ”的
翻译 。
Python（python）是一种高级通用编程语言，它已成为程序员社区中最主要的和最受欢迎的语言之一。 根据其功能，它可以从简化应用程序的开发到具有相同复杂度的复杂数学计算进行分类。
作为领先的编程语言之一，它具有许多可以使用的框架（用于构建应用程序的平台）和库。 编程语言库只是模块和功能的集合，这些模块和功能有助于使用该编程语言进行某些特定的操作。
因此，这是每个Python开发人员都应了解的6个主要的Python编程库：
•凯拉斯
类型-神经网络库。
初始版本是2015年3月。
Keras是一个用Python编写的开放式神经网络库。 它旨在通过深度学习网络进行操作，同时设计为紧凑，模块化和可扩展的。
除了提供一种用于表达神经网络的简单机制之外，Keras还提供了一些最佳功能，用于编译模型，处理数据集和可视化图形。 在后端（服务器）上，Keras使用Theano或TensorFlow。
由于Keras使用服务器基础结构创建了一个计算图，然后使用它执行操作，因此它的工作速度比其他机器学习库慢。 但是，Keras中的所有型号都是便携式的。
特点：
- 它完全用Python编写，因此调试和研究都很容易。
- 包含广泛使用的神经网络构建块的许多实现，例如激活函数，级别，目标和优化器。
- 令人难以置信的表现力和灵活性使其成为创新研究的理想选择。
- 它提供了一些预处理的数据集和预训练的模型，例如Inception，MNIST，ResNet，SqueezeNet和VGG。
- 为几乎所有的神经网络模型提供支持，包括卷积，嵌入式，完全连接，合并和循环。 此外，可以将这些模型组合起来以开发更复杂的模型。
- 它可以在CPU（中央处理器）和GPU（处理器核心）上运行
适用范围：
- Netflix，Square，Uber和Yelp已在使用中。
- 用于深度学习研究。 由CERN和NASA的研究人员采用。
- 在开发深度学习产品的初创企业中受欢迎。
•NumPy
类型-技术计算库。
初始版本为1995（数字形式）。
2006（就像NumPy）。
NumPy是由Travis Oliphant在2005年创建的，其方法是将竞争Numarray库的功能合并到Numeric库中，并进行大量修改。 免费的开放源代码库有来自世界各地的多个贡献者。
TensorFlow和Python是Python中最流行的机器学习库之一，它在内部使用NumPy Python库执行一些张量操作。
特点：
- 积极的社区支持
- 完全免费和开源
- 复杂的矩阵运算，例如矩阵乘法
- 互动且超级易于使用。
- 促进复杂的数学实现
- 易于编码，可读性强
适用范围：
- 执行复杂的数学计算
- 以N维实数数组的形式表示图像，声波和其他形式的二进制原始流
- 用于机器学习项目
•枕头
类型-图像处理库
初始版本-1995（如Python Imaging Library或PIL）
2011（像枕头一样）
Pillow是一个Python库，几乎与开发它的编程语言一样古老。 实际上，Pillow是PIL（Python Imaging Library）的一个分支。 需要免费使用的Python库来打开，操作和保存各种图像文件。
Pillow已被多个Linux发行版（尤其是Debian和Ubuntu）中的原始PIL替代。 但是，它也可用于MacOS和Windows。
特点：
- 向图像添加文本
- 图像增强和过滤，包括模糊，亮度调节，轮廓和清晰度
- 伪装和透明度
- 像素操纵
- 提供对许多图像文件格式的支持，包括BMP，GIF，JPEG，PNG，PPM和TIFF。 提供对创建新文件解码器的支持，以扩展可用文件格式的库。
适用范围：
•小品
类型-游戏开发库
初始版本-2015年4月
PYGLET是用于Python的多平台裁剪和多媒体库，是使用Python开发游戏的流行名称。 除游戏外，该库还用于创建外观丰富的应用程序。
除了支持帧，PYGLET还支持加载图像和视频，播放声音和音乐，OpenGL图形以及处理用户界面事件。
特点：
- 将多个窗口和桌面与多个监视器一起使用
- 下载几乎所有格式的图像，声音和视频
- 没有外部依赖性或安装要求
- 因此，根据开源BSD许可证提供，它可以免费用于个人和商业目的。
- 提供对Python 2和Python 3的支持
适用范围：
•要求
类型-HTTP库
初始版本-2011年2月
请求-Python的Python库，旨在使HTTP请求更加轻松便捷。 由Kenneth Reitz和其他一些贡献者开发的Requests允许您发送HTTP / 1.1请求而无需人工干预。
从Nike和Spotify到Amazon和Microsoft，数十个大型组织在内部使用查询来更好地处理HTTP。 Requests完全用Python编写，根据Apache2许可，它是一个免费的开放源代码库。
特点：
- 自动解码内容
- 基本/摘要身份验证
- 浏览器样式的SSL验证
- 部分请求和连接超时
- 提供对.netrc和HTTP（S）代理的支持
- Cookie会话
- Unicode响应主体
适用范围：
- 允许您使用Python发送HTTP / 1.1请求并添加诸如标题，表单数据和多部分文件之类的内容
- 自动在URL中添加查询字符串
- 自动编码POST数据
•TensorFlow
类型-机器学习库
初始版本-2015年11月
TensorFlow是一个免费的开源Python库，旨在解决与数据流和差异化编程相关的许多任务。 但是，TensorFlow符号数学库是Python使用最广泛的机器学习库之一。
该库由Google Brain开发，供内部使用，用于商业和研究目的。
张量是表示数据的N维矩阵。 TensorFlow库允许您编写包含大量张量操作的新算法。
由于神经网络可以表示为计算图，因此可以使用TensorFlow库作为对张量的一系列操作轻松实现它们。
特点：
- 使您可视化图形的每个部分。
- 完全免费和开源
- 易于学习用于分布式计算的CPU（中央处理单元）和GPU（处理器核心）
- 强大的社区支持
- 提供灵活性的性能。 最需要的零件可以独立制造
- 支持训练多个神经网络和多个GPU，以在大型系统中创建有效的模型
- 使用XLA之类的方法来加速线性代数运算
适用范围：
- 用于机器学习项目
- 对于神经网络项目
- 在自动字幕软件（如DeepDream）中
- 在Google产品（例如Google相册和Google语音搜索）上进行机器学习
总结了用于Python编程的6个主要Python库的列表。 哪些图书馆应该/不应该在此列表中？ 让我们知道您的意见。
立即学习Python，并可能带给您强大的力量！