1.TensorFlow(GitHub - tensorflow/tensorflow: An Open Source Machine Learning Framework for Everyone)
一个使用数据流图进行数值计算的开源软件库。图形节点表示数学运算,而图形边缘表示在它们之间流动的多维数据阵列(张量)。
它是一个 Python 包,提供快速、灵活和富有表现力的数据结构,它的目标是成为用 Python 进行实际、真实数据分析的基础高级构建块。
3.Scikit-learn(GitHub - scikit-learn/scikit-learn: scikit-learn: machine learning in Python)
它是一个基于 NumPy、SciPy 和 Matplotlib(2D 绘图库)的机器学习 Python 模块,为数据挖掘和数据分析提供了简单而有效的工具
4.PyTorch(GitHub - pytorch/pytorch: Tensors and Dynamic neural networks in Python with strong GPU acceleration)
它提供了两个高级功能,一是具有强大的 GPU 加速度的张量计算(如 NumPy),二是基于磁带的自动编程系统构建的深度神经网络。
5.Matplotlib(GitHub - matplotlib/matplotlib: matplotlib: plotting with Python)
这是一个 Python 2D 绘图库,可以生成各种用于出版品质的硬拷贝格式和跨平台交互式环境数据。
6.Keras(GitHub - keras-team/keras: Deep Learning for humans)
它是一个高级神经网络 API,用 Python 编写,能够在 TensorFlow、CNTK 或 Theano 之上运行,旨在实现快速实验,能够以最小的延迟把想法变成结果。
7.NumPy(GitHub - numpy/numpy: The fundamental package for scientific computing with Python.)
它是使用 Python 进行科学计算所需的基础包,提供了强大的 N 维数组对象、复杂的广播功能、集成 C / C ++ 和 Fortran 代码的工具,以及有用的线性代数、傅里叶变换和随机数功能。
8.SciPy(GitHub - scipy/scipy: SciPy library main repository)
它是数学、科学和工程方向的开源软件。
一个深度学习框架,以最大限度地提高效率和生产力。 MXNet 的核心是一个动态依赖调度程序,可以动态地自动并行化符号和命令操作。
开发者可以有效地定义、优化和评估涉及多维数组的数学表达式
11.Bokeh(GitHub - bokeh/bokeh: Interactive Data Visualization in the browser, from Python)
一个用于 Python 的交互式可视化库
一个优化的分布式梯度增强库
13.Gensim(GitHub - RaRe-Technologies/gensim: Topic Modelling for Humans)
用于主题建模、文档索引和大型语料库相似性检索的 Python 库
14.Scrapy(GitHub - scrapy/scrapy: Scrapy, a fast high-level web crawling & scraping framework for Python.)
一种快速的高级 Web 爬行和 Web 抓取框架,用于抓取网站并从其页面中提取结构化数据。
15.Caffe(GitHub - BVLC/caffe: Caffe: a fast open framework for deep learning.)
一个以表达、速度和模块化为基础的深度学习框架。