核心库和统计数据
1. NumPy(Commits: 17911, Contributors: 641)
官网:#/
NumPy 是科学应用程序库的主要软件包之一,用于处理大型多维数组和矩阵,它大量的高级数学函数集合和实现方法使得这些对象执行操作成为可能。
2. SciPy(Commits: 19150, Contributors: 608)
官网:#/scipylib/
科学计算的另一个核心库是 SciPy.它基于 NumPy,其功能也因此得到了扩展。SciPy 主数据结构又是一个多维数组,由 Numpy 实现。这个软件包包含了帮助解决线性代数、概率论、积分计算和许多其他任务的工具。此外,SciPy 还封装了许多新的 BLAS 和 LAPACK 函数。
3. Pandas(Commits: 17144, Contributors: 1165)
官网:#/
Pandas 是一个 Python 库,提供高级的数据结构和各种各样的分析工具。这个软件包的主要特点是能够将相当复杂的数据操作转换为一两个命令。Pandas包含许多用于分组、过滤和组合数据的内置方法,以及时间序列功能。
深度学习
4. TensorFlow(Commits: 33339, Contributors: 1469)
官网:#/
TensorFlow 是一个流行的深度学习和机器学习框架,由 Google Brain 开发。它提供了使用具有多个数据集的人工神经网络的能力。在最流行的 TensorFlow应用中有目标识别、语音识别等。在常规的 TensorFlow 上也有不同的 leyer-helper,如 tflearn、tf-slim、skflow 等。
5. PyTorch(Commits: 11306, Contributors: 635)
官网:#/
PyTorch 是一个大型框架,它允许使用 GPU 加速执行张量计算,创建动态计算图并自动计算梯度。在此之上,PyTorch 为解决与神经网络相关的应用程序提供了丰富的 API.该库基于 Torch,是用 C 实现的开源深度学习库。
6. Keras(Commits: 4539, Contributors: 671)
官网:#/
Keras 是一个用于处理神经网络的高级库,运行在 TensorFlow、Theano 之上,现在由于新版本的发布,还可以使用 CNTK 和 MxNet 作为后端。它简化了许多特定的任务,并且大大减少了单调代码的数量。然而,它可能不适合某些复杂的任务。
强烈推荐:电子发烧友网站
官网:#/
以上就是潍坊计算机培训给大家做的内容详解,更多关于IT课程的学习,请继续关注潍坊计算机培训。