為了大家能夠?qū)θ斯ぶ悄艹Ｓ玫?Python 庫有一個初步的了解，以選擇能夠滿足自己需求的庫進(jìn)行學(xué)習(xí)，對目前較為常見的人工智能庫進(jìn)行簡要全面的介紹。

1、Numpy

NumPy(Numerical Python)是?Python的一個擴(kuò)展程序庫，支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫，Numpy底層使用C語言編寫，數(shù)組中直接存儲對象，而不是存儲對象指針，所以其運(yùn)算效率遠(yuǎn)高于純Python代碼。我們可以在示例中對比下純Python與使用Numpy庫在計算列表sin值的速度對比：import?numpy?as?np


從如下運(yùn)行結(jié)果，可以看到使用?Numpy?庫的速度快于純 Python 編寫的代碼：

使用純Python用時0.017444372177124023s
使用Numpy用時0.001619577407836914s

OpenCV?是一個的跨平臺計算機(jī)視覺庫，可以運(yùn)行在 Linux、Windows 和 Mac OS 操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時也提供了?Python?接口，實(shí)現(xiàn)了圖像處理和計算機(jī)視覺方面的很多通用算法。下面代碼嘗試使用一些簡單的濾鏡，包括圖片的平滑處理、高斯模糊等：

3、Scikit-image

scikit-image是基于scipy的圖像處理庫，它將圖片作為numpy數(shù)組進(jìn)行處理。例如，可以利用scikit-image改變圖片比例，scikit-image提供了rescale、resize以及downscale_local_mean等函數(shù)。

4、PIL

Python Imaging Library(PIL)?已經(jīng)成為?Python?事實(shí)上的圖像處理標(biāo)準(zhǔn)庫了，這是由于，PIL?功能非常強(qiáng)大，但API卻非常簡單易用。但是由于PIL僅支持到?Python 2.7，再加上年久失修，于是一群志愿者在?PIL?的基礎(chǔ)上創(chuàng)建了兼容的版本，名字叫?Pillow，支持最新?Python 3.x，又加入了許多新特性，因此，我們可以跳過?PIL，直接安裝使用?Pillow。

5、Pillow

使用?Pillow?生成字母驗(yàn)證碼圖片：

6、SimpleCV

SimpleCV?是一個用于構(gòu)建計算機(jī)視覺應(yīng)用程序的開源框架。使用它，可以訪問高性能的計算機(jī)視覺庫，如 OpenCV，而不必首先了解位深度、文件格式、顏色空間、緩沖區(qū)管理、特征值或矩陣等術(shù)語。但其對于 Python3 的支持很差很差，在 Python3.7 中使用如下代碼：

會報如下錯誤，因此不建議在?Python3?中使用：

7、Mahotas

Mahotas?是一個快速計算機(jī)視覺算法庫，其構(gòu)建在?Numpy?之上，目前擁有超過100種圖像處理和計算機(jī)視覺功能，并在不斷增長。使用?Mahotas?加載圖像，并對像素進(jìn)行操作：

8、Ilastik

Ilastik?能夠給用戶提供良好的基于機(jī)器學(xué)習(xí)的生物信息圖像分析服務(wù)，利用機(jī)器學(xué)習(xí)算法，輕松地分割，分類，跟蹤和計數(shù)細(xì)胞或其他實(shí)驗(yàn)數(shù)據(jù)。大多數(shù)操作都是交互式的，并不需要機(jī)器學(xué)習(xí)專業(yè)知識。

9、Scikit-Learn

Scikit-learn?是針對?Python?編程語言的免費(fèi)軟件機(jī)器學(xué)習(xí)庫。它具有各種分類，回歸和聚類算法，包括支持向量機(jī)，隨機(jī)森林，梯度提升，k均值和 DBSCAN 等多種機(jī)器學(xué)習(xí)算法。使用Scikit-learn實(shí)現(xiàn)KMeans算法：

10、SciPy

SciPy?庫提供了許多用戶友好和高效的數(shù)值計算，如數(shù)值積分、插值、優(yōu)化、線性代數(shù)等。SciPy?庫定義了許多數(shù)學(xué)物理的特殊函數(shù)，包括橢圓函數(shù)、貝塞爾函數(shù)、伽馬函數(shù)、貝塔函數(shù)、超幾何函數(shù)、拋物線圓柱函數(shù)等等。

11、NLTK

NLTK?是構(gòu)建Python程序以處理自然語言的庫。它為50多個語料庫和詞匯資源(如?WordNet?)提供了易于使用的接口，以及一套用于分類、分詞、詞干、標(biāo)記、解析和語義推理的文本處理庫、工業(yè)級自然語言處理?(Natural Language Processing, NLP)?庫的包裝器。NLTK被稱為?“a wonderful tool for teaching, and working in, computational linguistics using Python”。

12、spaCy

spaCy?是一個免費(fèi)的開源庫，用于?Python?中的高級 NLP。它可以用于構(gòu)建處理大量文本的應(yīng)用程序；也可以用來構(gòu)建信息提取或自然語言理解系統(tǒng)，或者對文本進(jìn)行預(yù)處理以進(jìn)行深度學(xué)習(xí)。

??

14、Pandas

Pandas?是一個快速、強(qiáng)大、靈活且易于使用的開源數(shù)據(jù)分析和操作工具，?Pandas?可以從各種文件格式比如 CSV、JSON、SQL、Microsoft Excel 導(dǎo)入數(shù)據(jù)，可以對各種數(shù)據(jù)進(jìn)行運(yùn)算操作，比如歸并、再成形、選擇，還有數(shù)據(jù)清洗和數(shù)據(jù)加工特征。Pandas?廣泛應(yīng)用在學(xué)術(shù)、金融、統(tǒng)計學(xué)等各個數(shù)據(jù)分析領(lǐng)域。??pandas進(jìn)階寶典

15、Matplotlib

Matplotlib?是Python的繪圖庫，它提供了一整套和?matlab?相似的命令 API，可以生成出版質(zhì)量級別的精美圖形，Matplotlib?使繪圖變得非常簡單，在易用性和性能間取得了優(yōu)異的平衡。使用?Matplotlib?繪制多曲線圖：

16、Seaborn

Seaborn?是在?Matplotlib?的基礎(chǔ)上進(jìn)行了更高級的API封裝的Python數(shù)據(jù)可視化庫，從而使得作圖更加容易，應(yīng)該把?Seaborn?視為?Matplotlib?的補(bǔ)充，而不是替代物。

17、Orange

Orange?是一個開源的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)軟件，提供了一系列的數(shù)據(jù)探索、可視化、預(yù)處理以及建模組件。Orange?擁有漂亮直觀的交互式用戶界面，非常適合新手進(jìn)行探索性數(shù)據(jù)分析和可視化展示；同時高級用戶也可以將其作為?Python?的一個編程模塊進(jìn)行數(shù)據(jù)操作和組件開發(fā)。使用?pip?即可安裝?Orange，好評～

安裝完成后，在命令行輸入?orange-canvas?命令即可啟動?Orange?圖形界面：

啟動完成后，即可看到?Orange?圖形界面，進(jìn)行各種操作。

18、PyBrain

PyBrain?是?Python?的模塊化機(jī)器學(xué)習(xí)庫。它的目標(biāo)是為機(jī)器學(xué)習(xí)任務(wù)和各種預(yù)定義的環(huán)境提供靈活、易于使用且強(qiáng)大的算法來測試和比較算法。PyBrain?是?Python-Based Reinforcement Learning, Artificial Intelligence and Neural Network Library?的縮寫。我們將利用一個簡單的例子來展示?PyBrain?的用法，構(gòu)建一個多層感知器 (Multi Layer Perceptron, MLP)。首先，我們創(chuàng)建一個新的前饋網(wǎng)絡(luò)對象：

接下來，構(gòu)建輸入、隱藏和輸出層：

為了使用所構(gòu)建的層，必須將它們添加到網(wǎng)絡(luò)中：

可以添加多個輸入和輸出模塊。為了向前計算和反向誤差傳播，網(wǎng)絡(luò)必須知道哪些層是輸入、哪些層是輸出。這就需要明確確定它們應(yīng)該如何連接。為此，我們使用最常見的連接類型，全連接層，由 FullConnection 類實(shí)現(xiàn)：

與層一樣，我們必須明確地將它們添加到網(wǎng)絡(luò)中：

所有元素現(xiàn)在都已準(zhǔn)備就位，最后，我們需要調(diào)用.sortModules()方法使MLP可用：

這個調(diào)用會執(zhí)行一些內(nèi)部初始化，這在使用網(wǎng)絡(luò)之前是必要的。

19、Milk

MILK(MACHINE LEARNING TOOLKIT)?是 Python 語言的機(jī)器學(xué)習(xí)工具包。它主要是包含許多分類器比如 SVMS、K-NN、隨機(jī)森林以及決策樹中使用監(jiān)督分類法，它還可執(zhí)行特征選擇，可以形成不同的例如無監(jiān)督學(xué)習(xí)、密切關(guān)系傳播和由 MILK 支持的 K-means 聚類等分類系統(tǒng)。使用?MILK?訓(xùn)練一個分類器：

20、TensorFlow

TensorFlow?是一個端到端開源機(jī)器學(xué)習(xí)平臺。它擁有一個全面而靈活的生態(tài)系統(tǒng)，一般可以將其分為 TensorFlow1.x 和 TensorFlow2.x，TensorFlow1.x 與 TensorFlow2.x 的主要區(qū)別在于 TF1.x 使用靜態(tài)圖而 TF2.x 使用Eager Mode動態(tài)圖。這里主要使用TensorFlow2.x作為示例，展示在 TensorFlow2.x 中構(gòu)建卷積神經(jīng)網(wǎng)絡(luò) (Convolutional Neural Network, CNN)。

21、PyTorch

PyTorch?的前身是 Torch，其底層和 Torch 框架一樣，但是使用 Python 重新寫了很多內(nèi)容，不僅更加靈活，支持動態(tài)圖，而且提供了 Python 接口。

22、Theano

Theano?是一個 Python 庫，它允許定義、優(yōu)化和有效地計算涉及多維數(shù)組的數(shù)學(xué)表達(dá)式，建在 NumPy 之上。在?Theano?中實(shí)現(xiàn)計算雅可比矩陣：

23、Keras

Keras?是一個用 Python 編寫的高級神經(jīng)網(wǎng)絡(luò) API，它能夠以 TensorFlow, CNTK, 或者 Theano 作為后端運(yùn)行。Keras 的開發(fā)重點(diǎn)是支持快速的實(shí)驗(yàn)，能夠以最小的時延把想法轉(zhuǎn)換為實(shí)驗(yàn)結(jié)果。

24、Caffe

在 Caffe2 官方網(wǎng)站上，這樣說道：Caffe2?現(xiàn)在是?PyTorch?的一部分。雖然這些 api 將繼續(xù)工作，但鼓勵使用 PyTorch api。

25、MXNet

MXNet?是一款設(shè)計為效率和靈活性的深度學(xué)習(xí)框架。它允許混合符號編程和命令式編程，從而最大限度提高效率和生產(chǎn)力。使用?MXNet?構(gòu)建手寫數(shù)字識別模型：

26、Paddle

Paddle飛槳?(PaddlePaddle)?以百度多年的深度學(xué)習(xí)技術(shù)研究和業(yè)務(wù)應(yīng)用為基礎(chǔ)，集深度學(xué)習(xí)核心訓(xùn)練和推理框架、基礎(chǔ)模型庫、端到端開發(fā)套件、豐富的工具組件于一體。是中國首個自主研發(fā)、功能完備、開源開放的產(chǎn)業(yè)級深度學(xué)習(xí)平臺。使用?PaddlePaddle?實(shí)現(xiàn)?LeNtet5：

27、CNTK

CNTK(Cognitive Toolkit)?是一個深度學(xué)習(xí)工具包，通過有向圖將神經(jīng)網(wǎng)絡(luò)描述為一系列計算步驟。在這個有向圖中，葉節(jié)點(diǎn)表示輸入值或網(wǎng)絡(luò)參數(shù)，而其他節(jié)點(diǎn)表示對其輸入的矩陣運(yùn)算。CNTK?可以輕松地實(shí)現(xiàn)和組合流行的模型類型，如?CNN?等。CNTK?用網(wǎng)絡(luò)描述語言?(network description language, NDL)?描述一個神經(jīng)網(wǎng)絡(luò)。簡單的說，要描述輸入的 feature，輸入的 label，一些參數(shù)，參數(shù)和輸入之間的計算關(guān)系，以及目標(biāo)節(jié)點(diǎn)是什么。

?

小編先前學(xué)習(xí)前端總結(jié)了許多資料，有python實(shí)戰(zhàn)案例、python300集視頻教程、電子書、游戲、源碼。在了解的過程里，也有c語言、c++、爬蟲、人工智能、JAVA以及web前端面試題等所有資料，需要可私免費(fèi)資料共享?。。?/span>