梦见参加结婚喜宴
领域中最热门最常用的编程语言之一。Python 在众多开发者中如此受追捧的原因之一便是其拥有大量的与机器学习相关的开源框架以及工具库，本文介绍了其中最受欢迎的10大Python库。
随着人工智能技术的发展与普及，Python 超越了许多其他编程语言，成为了机器学习领域中最热门最常用的编程语言之一。有许多原因致使 Python 在众多开发者中如此受追捧，其中之一便是其拥有大量的与机器学习相关的开源框架以及工具库。根据的数据显示，45% 的科技公司都倾向于使用 Python 作为人工智能与机器学习领域的编程语言。
相比起 C、JavaC++来讲，Python 的语法更简单，更高级，只需要更少行数的代码便能实现其他编程语言同样的功能；
正是由于 Python 简单易用以及高开发效率，吸引了大量的开发者为其创建更多新的机器学习工具库；而又因为大量的机器学习工具库的出现，使得 Python 在机器学习领域变得如此流行。
如果你正在使用 Python 来从事机器学习项目，那么你一定听说过其中一个著名的框架——Tensorflow。Tensorflow 框架主要由 Google 大脑团队开发，主要用于深度学习计算。几乎所有的 Google 机器学习应用都使用了它。比如在使用 Google 语音搜索或者 Google 相册时，你其实都是在间接地在使用 Tensorflow 所构建的模型。
Tensorflow 把神经网络运算抽象成运算图（Graph），一个运算图中包含了大量的张量（Tensor）运算。而张量实际上就是 N 维数据的集合。神经网络运算的本质是通过张量运算来拟合输入张量与输出张量之间的映射关系。
并行运算是 Tensorflow 的主要优势之一。也就是说你可以通过代码设置来分配你的CPUGPU计算资源来实现并行化的图运算。
Tensorflow 框架中所有的工具库都是用 C 或者 C++ 来编写，但它提供了用 Python 来编写的接口封装。事实上，你用 Python 编写的神经网络模型最终会调用基于 C 和 C++ 编写的 Tensorflow 内核来执行运算。
Tensorflow 使用了类似 XLA（AcceleratedLinearAlgebra / 加速线性代数）等技术对运算过程进行过优化，以其能够灵活地调用计算资源的同时保持高效的运算速度。
Keras 被认为是最酷的 Python 深度学习库之一。如果你是深度学习开发方面的新手，那么非常你使用它。它提供了非常简明的机制来表达神经网络结构。它也提供了许多非常棒的工具用于神经网络模型的编译、数据的处理、以及网络结构的可视化等等。
Keras 本质上是对 Tensorflow、Theano 等基础框架作进一步的封装，以提供统一的 API来简化神经网络的构建与训练。如果你打算以 Tensorflow 作为后端基础框架，则必须遵循以下架构图：
再有，Keras 提供了许多预处理的数据集，比如 MNIST，和预训练的模型，比如 VGG、Inception、 ResNet 等等。
PyTorch 是最大的深度学习库，允许开发人员通过加速 GPU 执行张量计算，创建动态计算图，并自动计算梯度。 除此之外，PyTorch 还提供丰富的 API，用于解决与神经网络相关的应用问题。
这个深度学习库基于 Torch，这是一个用 C 语言实现的开源机器库，以 Lua 语言作了封装。与 Tensorflow 的区别在于 Tensorflow 用的是 “静态计算图” 的概念，而 PyTorch 用的是 “动态计算图” 的概念。最直观的感受是，用 PyTorch 来编写的神经网络模型代码更像常见的 Python 代码。PyTorch 是在 2017 年推出的，自成立以来，该库越来越受欢迎并吸引了越来越多的机器学习开发人员。
Gradient Boosting 是最好和最受欢迎的机器学习库之一，它通过使用重新定义的基本模型和决策树来帮助开发人员构建新算法。 因此，有专门的库被设计用于快速有效地实现该方法。这些库包括 LightGBM, XGBoost, 和 CatBoost。这些库互为竞争对手，同样使用了几乎相同的思来解决一个共同问题。这些库都提供了高度可扩展，优化和快速的梯度增强实现，使其在机器学习开发人员中很受欢迎。 因为大多数机器学习开发人员通过使用这些算法赢得了机器学习竞赛。
Numpy 是的最受欢迎的 Python 机器学习库之一。Tensorflow 以及其他的一些框架内部都使用了 Numpy 来对张量进行多种操作。数组接口是 Numpy 最佳及最重要的功能。这个接口可以用于把图像、音频、以及其他二进制流数据表示为实数数组。为了把这个库应用到机器学习中，掌握 Numpy 的操作对于开发者而言意义重大。
Pandas 是一个 Python 机器学习库，它提供了各种高级的工具用于进行数据分析。其中一项了不起的功能便是它可以用一两行代码就能实现复杂的数据操作。Pandas 有许多内置的方法用于分组统计、合并数据、数据筛选、以及时间序列操作。所有的这些操作都有出色的性能表现。因此，使用 Pandas 通常用于数据挖掘任务。
SciPy 是一个应用开发者与工程师们使用的机器学习库。然而，你需要知道的是 SciPy 库与 SciPy-Stack 的区别。SciPy 库是 SciPy-Stack 的一个子集。SciPy 库包含了优化器、线性代数、积分、插值、快速傅立叶变换、信号和图像处理、统计等子模块。所有子模块中的函数都有完整的文档说明，使用方便。
SciPy 库的主要功能是基于 Numpy 来实现的，它的数组操作就是使用了 Numpy 的数组操作。
Scikits-learn，又称为 sk-learn，是一个基于 Numpy 与 SciPy 的 Python 库。Sk-learn 被认为是用于处理复杂数据的最优秀的机器学习库之一。它包含了大量用于实现传统机器学习和数据挖掘任务的算法，比如数据降维、分类、回归、聚类、以及模型选择等。
随着时间的发展，sk-learn 不断演进。其中包括它加入了交叉验证功能，提供了使用多个衡量指标的能力。许多的训练方法都得到了一定的改进，如逻辑回归、近邻算法（KNN）等。
通常，在机器学习任务中遇到的难题是模型的预测结果不准确。而用 Python 构建的 Eli5 机器学习库可以帮助攻克这个难题。它为现有的机器学习框架提供了若干内置的支持，比如模型数据可视化、模型调试、算法等，使得机器学习模型对于开发者而言不再是一个黑盒子。
以上便是机器学习专家们与数据科学家们普遍认可的十大机器学习框架或工具库。所有的这些框架与库都值得看一看、试一试。
当然，除了以上提到的框架与工具库外，还有很多其他的机器学习库也同样值得关注。比如 Scikit-image 就是同属于 Scikit 系列的另一个侧重于图像领域的工具库。
下一步，深交所在完善企业画像一期功能的基础上，将继续规划开发二期、三期功能，不断扩充外部数据接入范围....
Google在2018 ACM多会议上，推出一种使用机器学习来标注图片界面，让使用者快速为图片中....
本文提出的迭代放大，是一种在确定性假设下为后续任务生成训练假设的方法。实际上，虽然人类不能在全局上直....
随着深度学习在计算机视觉、语音识别和推荐系统领域中的成功运用，近年来有很多研究致力于将深度神经网络模....
此外，NIPS欢迎相关领域同组建的几个研讨会活动，这些活动在密切关注该领域的多元化和包容性问题。....
我们想在这里强调的是，第三种类型的回复从根本上最小化并忽略了那些认为改变名称会使该会议更具包容性的人....
这篇论文介绍了使用这个接口将常规的Julia代码编译带TPU的初步工作。这一方法不依赖，而是利用....
我们在五个不同的玩具算法任务中测试了这种方法，这些任务都有直接的算决方案，但我们不知道（例如....
适合社交的时间是会议的休息时间，也就是coffee break。对于初次参加顶会的人，这时你可以....
其中⊙表示点乘，即每个矩阵元素对应相乘，M是由0和1构成的二进制掩码。在每次完成部分卷积操作后，掩膜....
互联网产品日渐饱和，移动互联网也已进入下半场，市场已经从巅峰时代逐渐进入一个相对平稳的发展阶段，互联....
作者 Video++极链科技AI实验室张奕整理 包包背景声音和图像是视频中最重要的两类基础信....
本文和大家分享的主要是python语言中类的特殊方法相关用法，希望对大家有帮助。包括了：构造序列，程....
Python是一门脚本语言，因为能将其他各种编程语言写的模块粘接在一起，也被称作胶水语言。强大的包容....
Python现在的运用范围非常广，所以在IT专业中热度一直在增加，并且是人工智能的第一语言，如果你想....
人工智能的发展曾经经历过几次起起伏伏，近来在深度学习技术的推动下又迎来了一波新的前所未有的。
2019 年将是机器学习关键的一年。ML 已经成为全球数字转型的关键要素之一——到 2021 年底，....
嗨，我们正在用Python编写一个代码来控制DS0X-3024A自动进行电源轨噪声测量，并在USB中保存快照。 主要功能：设置通道参...
我们继续以 NG 课题组提供的 sign 手势数据集为例，学习如何通过Tensorflow快速搭建起....
在量子计算机中引入了辅助量子位，并将其定位在储存实际量子信息的量子位之间。通过这些辅助量子位，量....
其实，NF-IX 5G承载新架构的出现主要为了满足5G承载网所应具备的几个特性。例如，面向基于原生云....
本文介绍了Python 下开发界面程序的基本技术情况，简要分析了各种技术的优劣，并着重探讨了其中Wx....
随着企业使用越来越多的云供应商以获取所需的创新能力，企业在优化效率和成本方面面临越来越大的困难。在企....
bwpython基础教程之Python核心编程学习详细代码说明这一章蛮重要，代码都敲进去试过，请....
我有一种能显著改善这种情况的方法：不让背景类别学习特征，只让它学习一种可训练变量，即它的logit。....
输入层和输出层的层数、大小是最容易确定的。每个网络都有一个输入层，一个输出层。输入层的神经元数目等于....
《机器学习训练秘籍》(Machine Learning Yearning)是人工智能和深度学习大佬吴恩达新出的一本书，该书着重介绍如何让机器学...
不管是学习还是工作，都讲求方法。随着Python的发展，有越来越多的人想要学习Python，但是其中....
人工智能是未来发展的一大趋势，在人工智能发展的同时也增大了Python的发展空间，都说Python是....
怎样理解非线性变换和多层网络后的线性可分，神经网络的学习就是学习如何利用矩阵的线性变换加激活函数的非....
从书本新闻。介绍性文本，介绍机器学习的主要方法和通过经验自动改进的计算机算法的研究。根据需要，引入统....
机器学习作为工具商业化较为广泛的还是在B端，比如一些金融公司会输出自己的风控能力、反作弊能力。
通过全球化团队HCM模块开发经理钱彬的数字化场景展示，可以发现，未来HR工作场景的实现不仅需要数字化....
到 2020 年，全球云计算市场将以每年 25% 的速度增长，达到 4100 亿美元以上。企业中对 ....
从现在开始，你再也不需要打开你的浏览器，等待加载IMDb的页面，键入电影的名字。这个脚本会帮你完成所....
击败世界围棋冠军的AlphaGo的架构中不仅包括皮质模型，还包括大脑的另一部分模型，称为基底神经节，....
回过头去看下完整的TrellisNet示意图，可以看到，其实TrellisNet的每一层，都可以视为....
1.有监督学习：根据已知的输入和输出，建立联系它们的模型，根据该模型对未知输出的输入进行判断。 1....
还有很多各式各样的疑问充满了机器学习的历程和工程实践中。但这本书为我们带来了一个对机器视觉的全新视角....
大学语音和语言技术中心主任、得意音通董事长郑方博士接受 CSDN 采访时表示：“目前在声纹识别这....
策略网络采用监督学习的方式。其中该网络包含 10 层 CNN 层和 1 层全连接层，激活函数采用 R....
控制模型的规模很重要。如果模型架构太大太复杂，训练和运行的速度都会降低，从浏览器载入模型度速度也会变....
opencv 的强大之处的一个体现就是其可以对图片进行任意编辑，处理。 下面的这个函数最后一个参数指....
由于团队的目标是在测试集上取得较优表现，测试集实质上描述了团队的目标。因此，测试集应当反映产品或业务....
有一个新的应用笔记，编程Keysight Technologies连续扫描可调谐激光器，作为[]的应用笔记链接。 这概述了这些仪器可用的软件和...
历来关于温湿度的检测都是没有间断过的，这次我们继续检测温湿度，同样还是使用DHT11来检测。但是这次检测到的...
《Python编程快速上手—让繁琐工作自动化》是畅销Python编程图书，帮助你通过编程快速实现工作自动化。在本书中，你将学习利用...
最近一段时间再看斯坦福大学几期学习的教学视频，有百度首席工程师、百度大脑以及百度研究院的负责人吴恩达教授讲述，内容深入浅...
网友评论 ()条 查看