共计 3614 个字符,预计需要花费 10 分钟才能阅读完成。
2020 年曾经过来了,国外的一家专门提供 Python 服务的网站 Troy Labs,盘点出了 2020 年公布的 Python 库 Top10。
上榜的有 FastAPI 的升级版 Typer、将 CLI 变成黑白的 Rich、基于 GUI 框架的 Dear PyGui、还有精简报错信息的 PrettyErrors……总有一款是你想要的。
上面就让咱们一起来看看吧~
1、Typer
Typer 跟 FastAPI 的原理雷同,都是 Python 上用来构建 API 服务的一个高性能框架。
它是 FastAPI 的升级版,不仅可能精确地记录代码,还可能轻松地进行 CLI 验证。
Typer 易于学习和应用,不须要用户浏览简单的教程文档即可上手。反对编辑器(如 VSCode)代码主动补全,进步开发人员的开发效率,缩小 bug 的数量。
其次,Typer 还能配合命令行神器 Click 应用,就能够利用 Click 的长处和插件,实现更简单的性能。
开源地址:
https://github.com/tiangolo/t…
2、Rich
谁规定 CLI 界面肯定得是黑白的?它也能够是黑白的。
Rich API 不仅可能在终端输入提供丰盛的黑白文本和精美的格局,还提供了精美的表格、进度条、编辑器、追踪器、语法高亮等。如下图所示。
它还能够装置在 Python REPL 上,所有的数据结构都能够丑陋地输入或标注。
总而言之,它是黑白的、丑陋的、弱小的。
Rich 兼容性也不错,实用于 Linux,Mac 和 Windows 等多种零碎。真彩色 / 表情符号可与新的 Windows 终端一起应用。
然而请留神,Rich 必须要 Python 3.6.1 或以上版本。
开源地址:
https://github.com/willmcguga…
3、Dear PyGui
如上所示,尽管终端应用程序能够做成很漂亮的样子。然而,你可能还须要一个真正的 GUI。
Dear PyGui 是一个便于应用、功能强大的 Python GUI 框架。然而它与其余的 Python GUI 却有着基本上的不同。
它应用了即时模式范式和计算机的 GPU 来实现动静界面。即时模式范式在视频游戏中十分风行,这意味着它的动静 GUI 不须要保留任何数据,而是逐帧独立绘制的。同时,它还应用 GPU 来建构动静界面。
Dear PyGui 还能够绘图、创立主题、创立 2D 游戏,还领有一些小工具,比如说内置文档、日志记录、源代码查看器之类的,这些小工具能够帮助 App 的开发。
反对它的零碎有:Windows 10(DirectX 11),Linux(OpenGL 3)和 macOS(Metal)等。
开源地址:
https://github.com/hoffstadt/…
4、PrettyErrors
PrettyErrors 是一个精简 Python 错误信息的工具,特点是界面非常简洁敌对。
它最显著的性能是反对在终端进行黑白输入,标注出文件栈形迹,发现错误信息,过滤掉冗余信息,提取出要害局部,并且进行黑白标注,从而进步开发者的效率。
而且它能够不必装置,间接被导入我的项目中应用,然而须要先配置一些参数,其导入和配置的参数如下:
开源地址:
https://github.com/onelivesle…
5、Diagrams
程序员在编程的时候,有时候须要跟共事解释他设计的程序代码之间简单的构造关系,然而这不是一两句话能说分明的,须要画表或者做脉络图。
个别状况下,程序员应用 GUI 工具解决图表,并将文稿进行可视化解决。然而还有更好的办法,比如说应用 Diagrams 库。
Diagrams 让不须要任何设计类工具,间接在 Python 代码中绘制云系统结构。它们的图标来自多家云服务商,包含 AWS, Azure, GCP 等。
仅需几行代码,就能够简略地发明出箭头符号和结构图。
因为它应用 Graphviz 来渲染图,所以还须要先装置好 Graphviz。
开源地址:
https://github.com/mingrammer…
6、Hydra and OmegaConf
在做机器学习我的项目的时候,须要做一大堆的环境配置工作。因而,在一些简单的应用程序中,配置管理工作也相应变得复杂。
Hydra 能够使配置工作变得简略。它可能从命令行或者配置文件中笼罩局部进去,无需保护类似的配置文件,用组合的形式进行配置,从而放慢了试验运行速度。
Hydra 兼容性强,领有含插件的构造,可能很好地与开发者的操作文件交融。它的插件还能够实现间接通过命令行,就把代码公布到 AWS 或者其余云端零碎。
Hydra 也离不开 OmegaConf,两者关系密不可分,OmegaConf 为 Hydra 的分层配置零碎提供了协同的 API,二者协同运作可反对 YAML、配置文件、对象、CLI 参数等。
开源地址:
https://github.com/facebookre…
https://github.com/omry/omega…
7、PyTorch Lightning
PyTorch Lightning 也是 Facebook 的一个研究成果。它是一个笨重的 PyTorch 包装器,用于高性能 AI 钻研,其最重要的特色是可能解析 PyTorch 代码,让代码钻研成分和工程成分的拆散。
它的扩大模型能够在任何硬件(CPU、GPU、TPU)上运行,且容易被复制,删除了大量的文件样本,放弃了本身的灵活性,运行速度快。
Lightning 可能使 DL / ML 钻研的 40 多个局部实现自动化,例如 GPU 训练、分布式 GPU(集群)训练、TPU 训练等等……
因为 Lightning 将能够将文件主动导出到 ONNX 或 TorchScript,所以它实用于进行疾速推理的 AI 研究员、BERT 或者自监督学习的钻研团队等。
开源地址:
https://github.com/PyTorchLig…
8、Hummingbird
Hummingbird 是微软的一项研究成果,它可能将曾经训练好的 ML 模型汇编成张量计算,从而不须要设计新的模型。
还容许用户应用神经网络框架(例如 PyTorch)来减速传统的 ML 模型。
它的推理 API 跟 sklearn 范例十分相似,都能够重复使用现有的代码,然而它是用 Hummingbird 生成的代码去实现的。
Hummingbird 还在 Sklearn API 之后提供了一个不便的对立推理 API。这样就能够将 Sklearn 模型与 Hummingbird 生成的模型调换,而无需更改推理代码。
它之所以被重点关注,还因为它可能反对多种多样的模型和格局。
到目前为止,Hummingbird 反对 PyTorch、TorchScript、ONNX 和 TVM 等各种 ML 模型。
开源地址:
https://github.com/microsoft/…
9、HiPlot
因为 ML 模型变得越来越简单,还有很多超参数,于是就须要用到 HiPlot。HiPlot 是往年 3 月 Facebook 发行的一个库,次要用于解决高维数据。
Facebook AI 通过几十个超参数和 10 万多个试验,利用 HiPlot,来剖析深度神经网络。
它是用平行图和其余的图像形式,帮忙 AI 研究者发现高维数据的相关性和模型,是一款笨重的交互式可视化工具。
HiPlot 与其余可视化工具相比,有其特有的长处:
首先,它的互动性强,因为平行图是交互式的,所以可能满足多种状况下的图像可视化。
其次,它简略易用,能够通过 IPython Notebook 或者通过带有“hiplot”命令的服务间接应用。
它还有具备可扩展性。默认状况下,HiPlot 的 Web 服务能够解析 CSV 或 JSON 文件,还能够为其提供自定义 Python 解析器,将试验转换为 HiPlot 试验。
开源地址:
https://github.com/facebookre…
参考链接:
https://ai.facebook.com/blog/…
10、Scalene
Scalene 是一个用于 Python 脚本的 CPU 和内存分析器,可能正确处理多线程代码,还能辨别 Python 代码和本机代码的运行工夫。
你不须要批改代码,只需运行 Scalene 脚本,它就会生成一个文本模式的报告,显示出每一行代码的 CPU 和内存的应用状况。通过这个文本报告,开发人员能够进步代码的效率。
Scalene 的速度快、准确率高,还可能对高耗能的代码行进行标注。
开源地址
https://github.com/emeryberge…
除了以上 10 个,还有多个高性能的 Python 库被点名了,例如 Norfair、Quart、Alibi-detect、Einops……等等,详情查看底部链接。
那么,你往年有发现好用的 Python 库吗?
如果有的话,请在评论区一起分享一下呀~
参考链接:
https://tryolabs.com/blog/202…
Top 10 Reasons Why Python is So Popular With Developers in 2020
原文:https://www.qbitai.com/2021/0…