Python培训
美国上市Python培训机构

400-111-8989

热门课程

12月份GitHub上热门的Python项目

  • 时间:2018-01-10
  • 发布:猿妹
  • 来源:开源最前线

转载请注明来源作者

在GitHub 12月份热门的Python项目排行榜中,有许多项目适合正在学习Python的开发人员,一起来看看本月上榜的都有哪些:

1models

https://github.com/tensorflow/models Star 26273

一个Tensorflow库,里面包含 使用TensorFlow 构建的模型和示例的教程,旨在更好的维护,测试,并与新的TensorFlow API保持同步新。

TensorFlow实现模型:https://github.com/tensorflow/models/blob/master/research

TensorFlow教程:https://github.com/tensorflow/models/blob/master/tutorials

2机器学习工具库kubeflow

https://github.com/google/kubeflow Star 2203

Kubeflow 是谷歌发布的一个机器学习工具库,Kubeflow 项目旨在使 Kubernetes 上的机器学习变的轻松、便捷、可扩展,其目标不是重建其他服务,而是提供一种简便的方式找到好的 OSS 解决方案。该库包含包含的清单用于创建:

● 用于创建和管理交互式 Jupyter notebook 的 JupyterHub

● 可配置为使用 CPU 或 GPU,并通过单一设置调整至单个集群大小的 TensorFlow 训练控制器(Tensorflow Training Controller)

● TF 服务容器(TF Serving container)

3Python资源列表awesome-python

https://github.com/vinta/awesome-python Star 43550

awesome-python 是 vinta 发起维护的 Python 资源列表,内容包括:Web框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。十分受Python开发者的青睐。

4神经网络库keras

https://github.com/keras-team/keras Star 23862


Keras是一个极简的、高度模块化的神经网络库,采用Python(Python 2.7-3.5.)开发,能够运行在TensorFlow和Theano任一平台,好项目旨在完成深度学习的快速开发。特性:

● 可以快速简单的设计出原型(通过总模块化、极简性、和可扩展性)

● 同时支持卷积网络和循环网络,以及两者的组合

● 支持任意的连接方案(包括多输入和多输出)

● 支持GPU和CPU

5文件管理系统open-paperless

https://github.com/zhoubear/open-paperless Star 1711

一个用于扫描,索引和存档所有纸质文档的文件管理系统。可以OCR,预览,标签,签名,发送和接收文件。还有其工作流系统,基于角色的访问控制和REST API。

6深度学习框架pytorch

https://github.com/pytorch/pytorch Star 10999

PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架,提供两个高级功能:

● 强大的 GPU 加速 Tensor 计算(类似 numpy)

● 构建基于 tape 的自动升级系统上的深度神经网络

你可以重用你喜欢的 python 包,如 numpy、scipy 和 Cython ,在需要时扩展 PyTorch。

7scikit-learn

https://github.com/scikit-learn/scikit-learn Star 24511

scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。这个项目于2007年由David Cournapeau作为Google Summer of Code项目启动。

8代码管理工具 MonkeyType

https://github.com/Instagram/MonkeyType Star 1138

上个月,Instagram 开源了 MonkeyType,它是通过运行时跟踪类型自动将类型注释添加到您的 Python 3 代码的工具。在 MonkeyType 可以告诉我们任何有用的东西之前,我们需要让它跟踪一些函数调用。简单的方法是monkeytype run在 MonkeyType 跟踪下运行任何 Python 脚本。

9Web框架django

https://github.com/django/django Star 30855

Django 是 Python 编程语言驱动的一个开源模型-视图-控制器(MVC)风格的 Web 应用程序框架。使用 Django,我们在几分钟之内就可以创建高品质、易维护、数据库驱动的应用程序。Django 框架的核心组件有:

● 用于创建模型的对象关系映射

● 为终用户设计的完美管理界面

● 一流的 URL 设计

● 设计者友好的模板语言

● 缓存系统

10pipenv

https://github.com/pypa/pipenv Star 7260

Pipenv 是一个python的依赖管理器。它汇集了Pip,Pipfile和Virtualenv的功能,可以为你的项目自动创建和管理虚拟环境,并且在你安装/删除包时自动在Pipfile中添加/移除相应的包。它同时生成一个非常重要的Pipfile.lock文件,来保证所构建环境的确定性。

11public-apis

https://github.com/toddmotto/public-apis Star 31138

PublicApis:公共API目录大全是一个通过MaShape市场整合的世界上全的API接口目录,支持关键词搜索和添加API数据,方便开发者快速的找到自己想要的API,目已经收录5321种API接口。

12Web框架 flask

https://github.com/pallets/flask Star 32232

Flask 是一个微型的 Python 开发的 Web 框架,基于Werkzeug WSGI工具箱和Jinja2 模板引擎。 Flask使用BSD授权。 Flask也被称为“microframework”,因为它使用简单的核心,用extension增加其他功能。Flask没有默认使用的数据库、窗体验证工具。然而,Flask保留了扩增的弹性,可以用Flask-extension加入这些功能:ORM、窗体验证工具、文件上传、各种开放式身份验证技术。

在GitHub 12月份热门的Python项目排行榜中,有许多项目适合正在学习Python的开发人员,一起来看看本月上榜的都有哪些:

1models

https://github.com/tensorflow/models Star 26273

一个Tensorflow库,里面包含 使用TensorFlow 构建的模型和示例的教程,旨在更好的维护,测试,并与新的TensorFlow API保持同步新。

TensorFlow实现模型:https://github.com/tensorflow/models/blob/master/research

TensorFlow教程:https://github.com/tensorflow/models/blob/master/tutorials

2机器学习工具库kubeflow

https://github.com/google/kubeflow Star 2203

Kubeflow 是谷歌发布的一个机器学习工具库,Kubeflow 项目旨在使 Kubernetes 上的机器学习变的轻松、便捷、可扩展,其目标不是重建其他服务,而是提供一种简便的方式找到好的 OSS 解决方案。该库包含包含的清单用于创建:

● 用于创建和管理交互式 Jupyter notebook 的 JupyterHub

● 可配置为使用 CPU 或 GPU,并通过单一设置调整至单个集群大小的 TensorFlow 训练控制器(Tensorflow Training Controller)

● TF 服务容器(TF Serving container)

3Python资源列表awesome-python

https://github.com/vinta/awesome-python Star 43550

awesome-python 是 vinta 发起维护的 Python 资源列表,内容包括:Web框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。十分受Python开发者的青睐。

4神经网络库keras

https://github.com/keras-team/keras Star 23862

Keras是一个极简的、高度模块化的神经网络库,采用Python(Python 2.7-3.5.)开发,能够运行在TensorFlow和Theano任一平台,好项目旨在完成深度学习的快速开发。特性:

● 可以快速简单的设计出原型(通过总模块化、极简性、和可扩展性)

● 同时支持卷积网络和循环网络,以及两者的组合

● 支持任意的连接方案(包括多输入和多输出)

● 支持GPU和CPU

5文件管理系统open-paperless

https://github.com/zhoubear/open-paperless Star 1711

一个用于扫描,索引和存档所有纸质文档的文件管理系统。可以OCR,预览,标签,签名,发送和接收文件。还有其工作流系统,基于角色的访问控制和REST API。

6深度学习框架pytorch

https://github.com/pytorch/pytorch Star 10999

PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架,提供两个高级功能:

● 强大的 GPU 加速 Tensor 计算(类似 numpy)

● 构建基于 tape 的自动升级系统上的深度神经网络

你可以重用你喜欢的 python 包,如 numpy、scipy 和 Cython ,在需要时扩展 PyTorch。

7scikit-learn

https://github.com/scikit-learn/scikit-learn Star 24511

scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。这个项目于2007年由David Cournapeau作为Google Summer of Code项目启动。

8代码管理工具 MonkeyType

https://github.com/Instagram/MonkeyType Star 1138

上个月,Instagram 开源了 MonkeyType,它是通过运行时跟踪类型自动将类型注释添加到您的 Python 3 代码的工具。在 MonkeyType 可以告诉我们任何有用的东西之前,我们需要让它跟踪一些函数调用。简单的方法是monkeytype run在 MonkeyType 跟踪下运行任何 Python 脚本。

9Web框架django

https://github.com/django/django Star 30855

Django 是 Python 编程语言驱动的一个开源模型-视图-控制器(MVC)风格的 Web 应用程序框架。使用 Django,我们在几分钟之内就可以创建高品质、易维护、数据库驱动的应用程序。Django 框架的核心组件有:

● 用于创建模型的对象关系映射

● 为终用户设计的完美管理界面

● 一流的 URL 设计

● 设计者友好的模板语言

● 缓存系统

10pipenv

https://github.com/pypa/pipenv Star 7260

Pipenv 是一个python的依赖管理器。它汇集了Pip,Pipfile和Virtualenv的功能,可以为你的项目自动创建和管理虚拟环境,并且在你安装/删除包时自动在Pipfile中添加/移除相应的包。它同时生成一个非常重要的Pipfile.lock文件,来保证所构建环境的确定性。

11public-apis

https://github.com/toddmotto/public-apis Star 31138

PublicApis:公共API目录大全是一个通过MaShape市场整合的世界上全的API接口目录,支持关键词搜索和添加API数据,方便开发者快速的找到自己想要的API,目已经收录5321种API接口。

12Web框架 flask

https://github.com/pallets/flask Star 32232

Flask 是一个微型的 Python 开发的 Web 框架,基于Werkzeug WSGI工具箱和Jinja2 模板引擎。 Flask使用BSD授权。 Flask也被称为“microframework”,因为它使用简单的核心,用extension增加其他功能。Flask没有默认使用的数据库、窗体验证工具。然而,Flask保留了扩增的弹性,可以用Flask-extension加入这些功能:ORM、窗体验证工具、文件上传、各种开放式身份验证技术。

上一篇:微软都要求全员学 Python了?同学们上了初中就直接Coding吧!
下一篇:Python 常用相关库介绍

Python培训线上和线下的区别

不懂pandas,你怎么Python语言进行机器编程​?

了解Python语言的2D绘图库​Matplotlib,才能绘制出专业图像!

Python培训干货分享|不可不知的Python 爬虫工具

选择城市和中心
贵州省

广西省

海南省