2019年常用Python库总结(上)划重点!

发布时间:2019-12-12 11:00:00
阅读量:259
作者:猎维人工智能培训
[导读]:
2019年即将接近尾声,人工智能的发展也继续快速地进行中,下面小编就来给大家总结一下常用的Python库,划重点了,干货记一记!

2019年即将接近尾声,人工智能的发展也继续快速地进行中,下面小编就来给大家总结一下常用的Python库,划重点了,干货记一记!

PyTorch

要说今年深度学习社区里面哪个库实现了大爆发,那必须是PyTorch,这个深度学习框架是Facebook今年才推出的。PyTorch是基于流行一时的Torch框架构建和改进的,与Lua相比,它基于Python语言。近年来,越来越多的人开始用Python开展数据科学工作,PyTorch让深度学习更平易近人了。值得注意的是,采用了全新动态计算图范式的PyTorch已经成为很多研究者的专用框架。使用TensorFlow、CNTK和MXNet等框架写代码时,必须先定义计算图,这个计算图指定了代码运行的所有操作,随后在框架中进行编译与优化,使它能进行GPU并行处理,运算速度更快,这种范式被称为静态计算图。它的好处在于可以利用各种优化,而且,因为构建与执行是分开进行的,此图一旦被构建即可在不同设备上运行。然而,对于诸如自然语言处理等任务,其工作量是可变的。将图片应用于算法前,可以将图片调整为固定尺寸,但是无法将不同长度的句子进行类似的处理。PyTorch和动态图的优势在于可在代码中使用标准Python控制指令,在执行指令时定义动态图,这就给了你更多自由,对于多任务,这点至关重要。

人工智能的发展也继续快速地进行中,下面小编就来给大家总结一下常用的Python库

2019年常用Python库总结

Pipenv

第一名非它莫属,这是年初才发布一款python开发工具,但它已经能影响每个Python开发者的工作流了,现在连Python.org都官方推荐它作为支持库的管理工具!Pipenv最开始不过是大神Kenneth Reitz搞的周末项目,本意是将npm或yarn这些包管理器的闪光点引入Python世界。别管什么安装virtualenv、virtualenvwrapper,管理requirements.txt文件,更别提根据支持库的版本来确保复用性了(点击此处了解更多)。有了Pipenv,再也不需要用命令来增加、删除或更新支持库了,一个Pipfile文件就能搞定所有的支持库。这个工具会生成一个Pipfile.lock文件,确保编译的库都是最终版,还能避免因为漏掉一些边边角角的支持库而导致的bug。

Caffe2

听上去有点不可思议,但是Facebook今年确实还发布了另一款重磅深度学习框架。多年前,Caffe框架就已被广泛应用,并以无可比拟的性能和通过实战检测的代码库著称。然而,深度学习的最新趋势使得这个框架在某些方向陷入了停滞。Caffe2试图将Caffe引入现代世界。它支持分布式训练及部署,包括多种移动平台、最新的CPU与CUDA适配的硬件。PyTorch更适合研究,Caffe2则适用于Facebook那种大规模部署。

更多资讯