PyKrylov :eBay 上的机器学习
链接: https://tech.ebayinc.com/engineering/pykrylov-accelerating-machine-learning-research-at-ebay/
eBay 的技术博客中最近一篇文章介绍了名为 Krylov 的统一 AI 平台。在本文中,我们展示了 Krylov 用户如何与该平台交互操作,从而高效的构建管理繁重的工作流。
在 Jetson Nano 上用 10 行代码进行实时对象检测
链接: https://www.youtube.com/watch?v=bcM5AQSAzUY
在本教程中,您将学习如何设置 NVIDIA Jetson Nano ,同时运行多个对象检测示例,并用 Python 编写自己的实时对象检测程序。NVIDIA Jetson Nano 支持多种 DNN 模型,包括 SSD-Mobilenet 和 SSD-Inception ,它们已在 90 类 MS COCO 数据集中预训练过,可以检测各种对象。
Python 中的交互式冠状病毒传播地图
链接: https://www.geodose.com/2020/02/tracking-coronavirus-python-map.html
这篇文章讲述了如何创建一个跟踪冠状病毒传播的应用程序。最终创建的 html 页面显示了带有受感染位置的地图,还有一个可根据日期跟踪病毒传播的滑块。
SciPy 1.0 :Python 中数据科学的基本算法库
链接: https://www.nature.com/articles/s41592-019-0686-2
SciPy 是适用于 Python 编程语言的开源科学计算库。自 2001 年首次发布以来, SciPy 已成为 Python 中的数据科学研究的标准库,每年有 600 多代码贡献者,数千个依赖程序包,超过 100,000 个依赖存储库,超过数百万次下载。本文提供了 SciPy 1.0的功能开发实践的概述,也重点介绍了一些最新的技术发展。
将 mypy 应用于实际项目中
链接: http://calpaterson.com/mypy-hints.html
这里有一些按重要性的顺序排列的想法,讲述关于在现有的 Python 项目中向静态语言一样添加类型。
如何将 OpenCV 的“ dnn ”模块与 NVIDIA GPU , CUDA 和 cuDNN 结合使用
链接: https://www.pyimagesearch.com/2020/02/03/how-to-use-opencvs-dnn-module-with-nvidia-gpus-cuda-and-cudnn/
在本教程中将学习如何将 OpenCV 的 DNN 模块与 NVIDIA GPU , CUDA 和 cu DNN 结合使用,可提速 211-1549 %。
scikit-learn 中的随机森林
链接: https://www.marsja.se/random-forests-and-extremely-in-python-with-scikit-learn/
在本文中,您将通过实例学习两种流行的机器学习技术:随机森林和极度随机森林。
创建一个在线聊天应用
链接: https://www.youtube.com/watch?v=i824zN0DGIo
使用 Celery (和其他队列任务)的一些问题
链接: https://adamj.eu/tech/2020/02/03/common-celery-issues-on-django-projects/
Python 中的“ is ”语法
链接: https://utcc.utoronto.ca/~cks/space/blog/python/IsSyntaxPlace
Python 函数的依赖注入
链接: https://sobolevn.me/2020/02/typed-functional-dependency-injection
在 2020 年的测试工程
链接: https://www.b-list.org/weblog/2020/feb/03/how-im-testing-2020/
并行:当代码速度较慢时
链接: https://pythonspeed.com/articles/parallelism-slower/
vardbg
链接: https://github.com/CCExtractor/vardbg
一个简单的 Python 调试分析器,可生成可视化的程序执行流程,对算法学习很有用。
Sovereign
链接: https://github.com/sovereign/sovereign
用于构建维护自己的私有云服务:电子邮件,日历,联系人,文件同步, IRC , V** 等。
Chaos
链接: https://github.com/jonnyhyman/Chaos
可视化连接 chaos 理论,分形和逻辑映射!
httpcore
链接: https://github.com/encode/httpcore
HTTP Core 软件包提供了一个底层的 HTTP 客户端,它仅有一个功能:发送 HTTP 请求。 Thinc
链接: https://github.com/explosion/thinc
一项关于深度学习的新功能库,它与您喜欢的其他库兼容。
Cronyo
链接: https://github.com/cronyo/cronyo
AWS Cloudwatch 和 Lambda 缺少的 cron CLI 。
CausalNex
链接: https://github.com/quantumblacklabs/causalnex
一个可帮助数据科学家推断因果关系的 Python 库。
inlinec
链接: https://github.com/georgek42/inlinec
用 Python 轻松编写内联 C 函数。
MLOps
链接: https://github.com/microsoft/MLOpsPython
使用 Azure 机器学习服务和 Azure DevOps 。
urlbuster
链接: https://github.com/cytopia/urlbuster
强大的可变 Web 目录模糊器,可暴力破解现有 / 隐藏的文件或目录。
riskquant
链接: https://github.com/Netflix-Skunkworks/riskquant
用于帮助量化风险的库。
muCLIar
链接: https://github.com/aayush1205/muCLIar
可在 CLI 上播放 YouTube 音乐。
action-hero
链接: https://github.com/kadimisetty/action-hero
使强大的 cli 与 argparse 联合。
Opnieuw
链接: https://github.com/channable/opnieuw
一个简单直观的 Python 重试库。
Minibatch
链接: https://github.com/omegaml/minibatch
适合人的 Python 处理流。