2020年最强Python库，年度Top10出炉（下）

2020年最强Python库，年度Top10出炉（下）

6、Hydra and OmegaConf
在做机器学习项目的时候，需要做一大堆的环境配置工作。因此，在一些复杂的应用程序中，配置管理工作也相应变得复杂。

Hydra可以使配置工作变得简单。它能够从命令行或者配置文件中覆盖部分出来，无需维护相似的配置文件，用组合的方式进行配置，从而加快了实验运行速度。

Hydra兼容性强，拥有含插件的结构，能够很好地与开发者的操作文件融合。它的插件还可以实现直接通过命令行，就把代码发布到AWS或者其他云端系统。

Hydra也离不开OmegaConf，两者关系密不可分，OmegaConf为Hydra的分层配置系统提供了协同的API，二者协同运作可支持YAML、配置文件、对象、CLI参数等。

7、PyTorch Lightning
PyTorch Lightning也是Facebook的一个研究成果。它是一个轻巧的PyTorch包装器，用于高性能AI研究，其最重要的特征是能够解析PyTorch代码，让代码研究成分和工程成分的分离。

它的扩展模型可以在任何硬件（CPU、GPU、TPU）上运行，且容易被复制，删除了大量的文件样本，保持了自身的灵活性，运行速度快。

Lightning能够使DL / ML研究的40多个部分实现自动化，例如GPU训练、分布式GPU（集群）训练、TPU训练等等……

因为Lightning将可以将文件自动导出到ONNX或TorchScript，所以它适用于进行快速推理的AI研究员、BERT或者自监督学习的研究团队等。

8、Hummingbird
Hummingbird是微软的一项研究成果，它能够将已经训练好的ML模型汇编成张量计算，从而不需要设计新的模型。

还允许用户使用神经网络框架（例如PyTorch）来加速传统的ML模型。

它的推理API跟sklearn范例十分相似，都可以重复使用现有的代码，但是它是用Hummingbird生成的代码去实现的。

Hummingbird还在Sklearn API之后提供了一个方便的统一推理API。这样就可以将Sklearn模型与Hummingbird生成的模型互换，而无需更改推理代码。

它之所以被重点关注，还因为它能够支持多种多样的模型和格式。

到目前为止，Hummingbird支持PyTorch、TorchScript、ONNX和TVM等各种ML模型。

9、HiPlot
由于ML模型变得越来越复杂，还有很多超参数，于是就需要用到HiPlot。HiPlot是今年3月Facebook发行的一个库，主要用于处理高维数据。

Facebook AI通过几十个超参数和10万多个实验，利用HiPlot，来分析深度神经网络。

它是用平行图和其他的图像方式，帮助AI研究者发现高维数据的相关性和模型，是一款轻巧的交互式可视化工具。

HiPlot与其他可视化工具相比，有其特有的优点：

首先，它的互动性强，因为平行图是交互式的，所以能够满足多种情况下的图像可视化。

其次，它简单易用，可以通过IPython Notebook或者通过带有“ hiplot”命令的服务直接使用。

它还有具有可扩展性。默认情况下，HiPlot的Web服务可以解析CSV或JSON文件，还可以为其提供自定义Python解析器，将实验转换为HiPlot实验。

10、Scalene
Scalene是一个用于Python脚本的CPU和内存分析器，能够正确处理多线程代码，还能区分Python代码和本机代码的运行时间。

你不需要修改代码，只需运行Scalene脚本，它就会生成一个文本形式的报告，显示出每一行代码的CPU和内存的使用情况。通过这个文本报告，开发人员可以提高代码的效率。

Scalene的速度快、准确率高，还能够对高耗能的代码行进行标注。

感谢阅读！！！