|
Python是现在非常流行的一门计算机语言，也是很多初学者的选择，那么Python如何进行学习呢?Python常用的机器学习库有哪些?我们一起来看看吧。
1. Pipenv
Pipenv 是 Kenneth Reitz 的业余项目，旨在将其他软件包(例如 npm 和 yarn)整合到 Python 里。它不需要安装virtualenv, virtualenvwrapper，不用管理 requirements.txt文件，并且不用确保依赖版本的可复现性。通过Pipenv，你可以在 Pipfile 中指定依赖项。该工具可生成一个 Pipfile.lock文件，使你的构建更具确定性，避免产生难以查找的 Bug。
2.PyTorch
PyTorch是Facebook深度学习框架，源于 Torch 框架，同时改善了 Torch 框架，基于ython 语言，由于实现了动态计算图范式，PyTorch 已经成为众多研究人员的**框架之一，可以计算梯度，而且非常快，可扩展性强。
3. Caffe2
Caffe2 支持分布式训练、部署(即使是在移动平台上)，新的 CPU 和支持 CUDA 的硬件。PyTorch 可能更适合做研究，而 Caffe2更加适合大规模部署，就像在 Facebook 上看到的那样。另外，你可以在 PyTorch 里构建并训练模型，同时用 Caffe2 部署。
4. Pendulum
Pendulum 的优势之一在于，它是 Python 标准 datetime替代品，因此你可以轻松地将其与现有的代码集成，并且在你需要的时候才使用它的功能。Pendulum的作者特别注意时间分区的处理，默认在每个实例中时间分区是可用的，并且以 UTC 计时。你也可以获得扩展 timedelta 来简化 datetime的计算。
5. Dash
Dash 是一个可构建 Web 应用，尤其是数据可视化 Web 应用的纯 Python 开源库。它建立在 Flask、Plotly 和 React之上，并提供这几个框架的函数抽象接口，从而***不必学习这些框架，**开发。这些应用程序可在浏览器和移动设备中使用。
6. PyFlux
PyFlux 是专门针对时间序列开发的 Python开源库。时间序列研究是统计学和经济学的子领域，其目的是用于描述时间序列的行为，同时也预测时序未来的行为状态。
7. Fire
Fire 是一个开源库，可以为任何 Python 项目自动生成一个命令行界面。你几乎不需要编写任何代码或者文档，你只需要调用一个 Fire方法并把它传递给你想要的命令行界面：一个函数、一个对象、一个类、一个库，甚至不传递任何参数。
8. imbalanced-learn
imbalanced-learn 是一个 Python 库，它提供了相关的技术来解决数据不平衡的问题。另外，它和 scikit-learn兼容，并且是 scikit-learn-contrib 项目的一部分，非常有用。
9. FlashText
FlashText 证明了算法和数据结构设计的重要性，即使对于简单的问题，更好的算法也能够轻松超越在快 CPU 上运行的朴素实现。
10. Luminoth
Luminoth 是一个用 TensorFlow 和 Sonnet 构建的开源的计算机视觉 Python工具包。它可直接支持物体检测，背后支持的模型是 Faster R-CNN。
对于想自学Python的学员，具备以上条件才能**的学习Python，掌握Python基本技能，成为Python工程师，老男孩教育Python网络课程，设计了完善的学习流程，为Python自学者创造了条件，为Python自学者完成学业保驾护航! |
