关于深度学习、NLP和计算机视觉的30个顶级Python库

正文字数：2214 阅读时长：3分钟

再次感谢艾哈迈德·阿尼斯（Ahmed Anis）为收集这些数据做出的贡献，并感谢KDnuggets的其他工作人员的意见，见解和建议。

作者 / Matthew Mayo

原文链接 / https://www.kdnuggets.com/2020/11/top-python-libraries-deep-learning-natural-language-processing-computer-vision.html

请注意，下面是由Gregory Piatetsky绘制的图示，并按类型标表示了每个库，按星标和贡献者对其进行绘制，它的符号大小则是以该库在Github上的提交次数的对数表示。

图1：用于深度学习、自然语言处理和计算机视觉的顶级Python库

由星级和贡献者数量绘制；按提交的对数表示相对大小

那么，废话少说，下面是就是由KDnuggets员工精心挑选出来，可用于深度学习、自然语言处理和计算机视觉的30个顶级Python库。

由于微信公众号跳转链接只能设置公众号推文，链接需自行粘贴至浏览器中访问。

深度学习

1. TensorFlow（https://github.com/tensorflow/tensorflow）

：149000，提交数：97741，贡献者：2754

TensorFlow是一个用于机器学习的端到端的开源平台。它具备着全面综合的、灵活的工具、库和社区资源生态系统，可以帮助研究人员去推动机器学习先进的技术的发展，并让开发人员可以轻松地构建和部署基于机器学习的应用程序。

2. Keras（https://github.com/keras-team/keras）

：50000，提交数：5349，贡献者：864

Keras是一个用Python编写的深度学习API，其运行于机器学习的顶级平台TensorFlow之上。

3. PyTorch（https://github.com/pytorch/pytorch）

：43200，提交数：30696，贡献者：1619

具有强大GPU加速，和使用Python实现的张量和动态神经网络。

4. fastai（https://github.com/fastai/fastai）

：19800，提交数：1450，贡献者：607

通过利用当下最佳的技术实践，fastai极快地简化了训练过程，并加速了神经网络。

5. PyTorch Lightning

（https://github.com/PyTorchLightning/pytorch-lightning）

：9600，提交数：3594，贡献者：317

针对于高性能人工智能研究的封装轻量级PyTorch。可以缩小你的模型，而不是提供小的样板。

6. JAX（https://github.com/google/jax）

：10000，提交数：5708，贡献者：221

Python+NumPy程序的可组合转换:区分，向量化，在GPU/TPU上的JIT，等等。

7. MXNet（https://github.com/apache/incubator-mxnet）

：19100，提交数：11387，贡献者：839

带有动态和突变感知的数据流管理调度程序的轻量、便捷、灵活的分布式/移动机器学习库：支持Python、R、Julia、Scala、Go、JavaScript等等。

8. Ignite（https://github.com/pytorch/ignite）

：3100，提交数：747，贡献者：112

高级库，可以帮助培训和评估神经网络在PyTorch中实现灵活和透明的使用。

自然语言处理

9. FastText（https://github.com/facebookresearch/fastText）

：21700，提交数：379，贡献者：47

fastText是一个可以用来高效学习单词表意和句子分类的库。

10. spaCy（https://github.com/explosion/spaCy）

：17400，提交数：11628，贡献者 482

用来实现工业级自然语言处理(NLP)，通过使用Python和Cython。

11. gensim（https://github.com/RaRe-Technologies/gensim）

：11200，提交数：4024，贡献者：361

Gensim是一个Python库，用于主题建模、文档索引和相似度检索，具有大型语料库。目标受众是自然语言处理(NLP)和信息检索(IR)社区。

12. NLTK（https://github.com/nltk/nltk）

：9300，提交数：13990，贡献者：319

NLTK——自然语言工具箱——是一套开源Python模块、数据集和教程，用于针对支持自然语言处理方面的研究和开发。

13. Datasets (Huggingface)

（https://github.com/huggingface/datasets）

：4300，提交数: 568，贡献者：64

用于自然语言处理的，使用PyTorch, TensorFlow, NumPy和Pandas的工具，具有快速，高效，开放访问的数据集和自然语言处理评估指标。

14. Tokenizers (Huggingface)
（https://github.com/huggingface/tokenizers）

：3800，提交数：1252，贡献者：30

为研究和生产优化的快速、顶级的分词器。

15. Transformers (Huggingface)

（https://github.com/huggingface/transformers）

：3500，提交数：5480，贡献者：585

transformer:针对 Pytorch和TensorFlow 2.0的最顶级的自然语言处理库。

16. Stanza（https://github.com/stanfordnlp/stanza/）

：4800，提交数：1514，贡献者：19

针对许多人类语言的正式标准NLP Python库。

17. TextBlob（https://github.com/sloria/textblob）

：7300，提交数：542，贡献者：24

简单、python风格、文本处理——情感分析、词性标记、名词短语提取、翻译等等。

18. PyTorch-NLP

（https://github.com/PetrochukM/PyTorch-NLP）

：1800，提交数：442，贡献者：15

PyTorch自然语言处理(NLP)的基本工具。

19. Textacy（https://github.com/chartbeat-labs/textacy）

：1500，提交数：1324，贡献者：23

一个Python库，用于执行各种自然语言处理(NLP)任务，构建在一个高性能spaCy库之上。

20. Finetune（https://github.com/IndicoDataSolutions/finetune）

：626，提交数：1405，贡献者：13

Finetune是一个库，它允许用户利用最先进的预训练的NLP模型来执行广泛的下游任务。

21. TextHero（https://github.com/jbesomi/texthero）

：1900，提交数：266，贡献者：17

文本预处理，表示和可视化，从零到精通。

22. Spark NLP（https://github.com/JohnSnowLabs/spark-nlp）

：1700，提交数：4363，贡献者：50

Spark NLP是一个构建在Apache Spark ML之上的自然语言处理库。

23. GluonNLP（https://github.com/dmlc/gluon-nlp）

：2200，提交数：712，贡献者：72

GluonNLP是一个工具包，它支持简单的文本预处理、数据集加载和神经模型构建，以帮助您加快自然语言处理(NLP)研究。

计算机视觉

24. Pillow（https://github.com/python-pillow/Pillow）

：7800，提交数：10799，贡献者：303

Pillow是对用户十分友好的PIL分支。PIL是Python的图像库。

25. OpenCV（https://github.com/opencv/opencv）

：49600，提交数：29453，贡献者：1234

开源计算机视觉库。

26. scikit-image（https://github.com/scikit-image/scikit-image）

：4000，提交数：12352，贡献者：403

python中的图像处理。

27. Mahotas（https://github.com/luispedro/mahotas）

：644，提交数：1273，贡献者：25

Mahotas是个包含了最快的计算机视觉算法（所有算法用C++实现保证运行速度）的库，针对numpy数组运行。

28. Simple-CV（https://github.com/sightmachine/simplecv）

：2400，提交数：2625，贡献者：69

SimpleCV是一个开源机器视觉框架，使用OpenCV和Python编程语言。

29. GluonCV（https://github.com/dmlc/gluon-cv）

：4300，提交数：774，贡献者：101

GluonCV提供了计算机视觉中最先进(SOTA)深度学习模型的实现。

30. Torchvision（https://github.com/pytorch/vision）

：7500，提交数：1286，贡献者：334

torchvision包由流行的数据集、模型架构和用于计算机视觉中常见的图像转换方法组成。

LiveVideoStackCon 2021 ShangHai

讲师阵容陆续更新中…

敬请期待

LiveVideoStackCon 2021 上海站

北京时间：2021年4月16日-4月17日

点击【阅读原文】了解大会详情