吐血清算！毫不能错过的24个Python库

行使TensorFlow从阅读这些文章开始：

• 《TensorFlow 101:领略张量和图像以便开始深入进修》传送门：https://www.analyticsvidhya.com/blog/2017/03/tensorflow-understanding-tensors-and-graphs/
• 《开始行使Keras和TensorFlow在R中举办深度进修》传送门：https://www.analyticsvidhya.com/blog/2017/06/getting-started-with-deep-learning-using-keras-in-r/

13. PyTorch

传送门：https://pytorch.org/

什么是PyTorch?着实，这是一个基于Python的科学计较包，其成果如下：

• NumPy的更换品，可行使GPU的强盛成果
• 深度进修研究型平台，拥有最大机动性和最快速率

安装指南传送门：https://pytorch.org/get-started/locally/

PyTorch提供以下成果：

• 殽杂前端
• 器材和库：由研发职员构成的活泼社区已经成立了一个富厚的器材和库的生态体系，用于扩展PyTorch并支持计较机视觉和强化进修等规模的开拓
• 云支持：PyTorch支持在首要的云平台上运行，通过预构建的映像、对GPU的大局限实习、以及在出产局限情形中运行模子的手段等，可提供无摩擦的开拓和轻松拓展

以下是两篇有关PyTorch的异常具体且易于领略的文章：

• 《PyTorch简介——一个简朴但成果强盛的深度进修库》传送门：https://www.analyticsvidhya.com/blog/2018/02/pytorch-tutorial/
• 《开始行使PyTorch——进修怎样成立快速和精确的神经收集(以4个案例研究为例)》传送门：https://www.analyticsvidhya.com/blog/2019/01/guide-pytorch-neural-networks-case-studies/

用于数据表明性的Python库

你真的相识模子怎样事变吗?能表明模子为什么可以或许得出功效吗?这些是每个数据科学家都可以或许答复的题目。构建黑盒模子在业界毫无用处。

以是，上文中已经提到的两个Python库可以辅佐表明模子的机能。

14. LIME

传送门：https://github.com/marcotcr/lime

LIME是一种算法(库)，可以表明任何分类器或回归量的猜测。LIME是怎样做到的呢?通过可表明的模子在局部不绝靠近猜测值，这个模子表明器可用于天生任何分类算法的表明。

安装LIME很简朴：

pip install lime 

下文将从总体上辅佐开拓LIME背后的直觉和模子可表明性：

《在呆板进修模子中成立信赖(在Python中行使LIME)》传送门：

https://www.analyticsvidhya.com/blog/2017/06/building-trust-in-machine-learning-models/

15. H2O

传送门：https://github.com/h2oai/mli-resources

信托许多人都传闻过H2O.ai，自动化呆板进修的市场率领者。可是你知道其在Python中也有一个模子可表明性库吗?

H2O的无人驾驶AI，提供简朴的数据可视化技能，用于暗示高度特性交互和非线性模子举动，通过可视化提供呆板进修可表明性(MLI)，声名建模功效和模子中特性的影响。

通过下文，阅读有关H2O的无人驾驶AI执行MLI的更多信息。

《呆板进修可表明性》传送门：

https://www.h2o.ai/wp-content/uploads/2018/01/Machine-Learning-Interpretability-MLI_datasheet_v4-1.pdf

用于音频处理赏罚的Python库

音频处理赏罚或音频说明是指从音频信号中提守信息和寄义以举办说明、分类或任何其他使命。这正在成为深度进修中的一种风行成果，以是要寄望这一点。

16. LibROSA

传送门：https://librosa.github.io/librosa/

LibROSA是一个用于音乐和音频说明的Python库。它提供了建设音乐信息检索体系所需的构建块。

安装指南传送门：https://librosa.github.io/librosa/install.html

这是一篇关于音频处理赏罚及其事变道理的深度文章：

《操作深度进修开始音频数据说明(含案例研究)》传送门：

https://www.analyticsvidhya.com/blog/2017/08/audio-voice-processing-deep-learning/

17. Madmom

传送门：https://github.com/CPJKU/madmom

Madmom是一个用于音频数据说明的很棒的Python库。它是一个用Python编写的音频信号处理赏罚库，首要用于音乐信息检索(MIR)使命。

以下是安装Madmom的必备前提：

• NumPy
• SciPy
• Cython
• Mido

以下软件包用于测试安装：

• PyTest
• Fyaudio
• PyFftw

安装Madmom的代码：

pip install madmom 

下文可用以相识Madmom怎样用于音乐信息检索：

《进修音乐信息检索的音频节奏追踪(行使Python代码)》传送门：

https://www.analyticsvidhya.com/blog/2018/02/audio-beat-tracking-for-music-information-retrieval/

18. pyAudioAnalysis

传送门：https://github.com/tyiannak/pyAudioAnalysis

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!