56 проекта на Python с отворен код

1. Flask

Това е микро-фреймворк, написан на Python. Той няма валидации за формуляри и ниво на абстракция на базата данни, но позволява да използвате външни библиотеки за общи функции. Затова това е микро-фреймворк. Flask е предназначен за лесно и бързо създаване на приложения и е мащабируем и лек. Той е базиран на проектите Werkzeug и Jinja2. Можете да научите повече за него в последната статия на DataFlair за Python Flask.

2. Keras

Keras е библиотека за невронни мрежи с отворен код, написана на Python. Тя е удобна за потребителите, модулна и разширяема, и може да работи върху TensorFlow, Theano, PlaidML или Microsoft Cognitive Toolkit (CNTK). В Keras има всичко: шаблони, целеви и предатъчни функции, оптимизатори и много други. Тя също така поддържа конволюционни и рекурентни невронни мрежи.

Работа по последния проект с отворен код на базата на Keras — Класификация на рак на гърдата.

Статья переведена при поддержке компании EDISON Software, которая разработва система за диагностика на хранилище на документи Vivaldi, както и инвестира в стартапи.

3. SpaCy

Това е библиотека за софтуер с отворен код, която се занимава с обработка на естествен език (NLP) и е написана на Python и Cython. Докато NLTK е по-подходящ за учебни и изследователски цели, работата на spaCy е насочена към предоставяне на софтуер за производство. Освен това, Thinc е библиотека за машинно обучение в spaCy, в която са представени модели CNN за тагове на частите на речта, парсинг на зависимости и разпознаване на именовани обекти.

4. Sentry

Sentry предлага хостинг мониторинг на грешки с отворен код, за да можете да откривате и класифицирате грешки в реално време. Просто инсталирайте SDK за вашия език(и) или фреймуорк(и) и започнете работа. Той позволява записване на необработени изключения, изучаване на стека на трасировките, анализ на влиянието на всеки проблем, проследяване на грешките в различни проекти, разпределяне на проблеми и много друго. Използването на Sentry означава по-малко грешки и повече изпратен код.

5. OpenCV

OpenCV — това е библиотека за компютърно зрение и машинно обучение с отворен код. Библиотеката предлага над 2500 оптимизирани алгоритъма за компютърно зрение, включително откриване и разпознаване на обекти, класификация на различни видове човешка дейност, проследяване на движения чрез камера, създаване на триизмерни модели на обекти, съединяване на изображения за получаване на високорезолюционни снимки и много други задачи. Библиотеката е достъпна на много езици, включително Python, C++, Java и др.

Брой звезди в Github: 39585

Работили ли сте вече по проект с OpenCV? Ето един — Проект за определяне на пол и възраст

6. Nilearn

Този модул е за бърза и лесна реализация на статистическо обучение върху данни от невровизуализация. Той позволява използването на scikit-learn за многомерна статистика за прогностично моделиране, класификация, декодиране и анализ на свързаността. Nilearn е част от екосистемата NiPy, която е общество, посветено на използването на Python за анализ на данни от невровизуализация.

Брой звезди на Github: 549

7. scikit-Learn

Scikit-learn е още един проект с отворен код на Python. Тази изключително известна библиотека за машинно обучение за Python обикновено се използва с NumPy и SciPy, като предлага класификация, регресия и клъстеризация — тя поддържа SVM (Support Vector Machines), случайни гори, градиентно усилване, k-средства и DBSCAN. Тази библиотека е написана на Python и Cython.

Брой звезди в Github: 37,144

8. PyTorch

PyTorch е друга отворена библиотека за машинно обучение, написана на Python и за Python. Тя е базирана на библиотеката Torch и е отлична за области като компютърно зрение и обработка на естествен език (NLP). Също така предлага C++ интерфейс.

Сред многото си характеристики, PyTorch предлага две основни:

• Тензорни изчисления с силно ускорение чрез GPU
• Дълбоки невронни мрежи

Брой звезди в Github: 31 779

9. Librosa

Librosa е една от най-добрите библиотеки на Python за анализ на музика и аудио. Тя съдържа основните компоненти, използвани за извличане на информация от музика. Библиотеката е добре документирана и съдържа множество ръководства и примери, които ще улеснят изпълнението на вашите задачи.

Брой звезди в Github: 3107

Реализация на проект на Python с отворен код и Librosa — разпознаване на емоциите в речта.

10. Gensim

Gensim е библиотека за Python за моделиране на теми, индексиране на документи и търсене на сходства с компании от голям мащаб. Тя е насочена към НЛП и информационно-търсещи общности. Gensim е съкращение от „генериране на подобно“. В миналото тя е създавала кратък списък със статии, подобни на тази. Gensim е ясна, ефективна и мащабируема. Gensim реализира ефективна и проста имплементация на неконтролирано семантично моделиране от прост текст.

Брой звезди в Github: 9 870

11. Django

Django — рамка за Python от висок клас, която насърчава бързото развитие и вярва в принципа DRY (не повтаряй се). Това е изключително мощна и най-широко използвана рамка за Python. Тя е основана на модела MTV (Model-Template-View).

Брой звезди в Github: 44 214

12. Разпознаване на лица

Разпознаването на лица е популярен проект в GitHub. Той лесно разпознава лица и манипулира с тях чрез Python / команден ред, използвайки най-простата библиотека за разпознаване на лица. Използва dlib с дълбочинно обучение за откриване на лица с точност 99,38% в теста Wild benchmark.

Брой звезди в Github: 28 267

13. Cookiecutter

Cookiecutter е инструмент за команден ред, който може да се използва за създаване на проекти от шаблони (cookiecutters). Един пример може да бъде създаването на пакетен проект от шаблон на пакетен проект. Това са кросплатформени шаблони, а шаблоните за проекти могат да бъдат на всеки език или във всеки формат на маркировка, например Python, JavaScript, HTML, Ruby, CoffeeScript, RST и Markdown. Той също така позволява използването на няколко езика в един и същи проектен шаблон.

Брой звезди в Github: 10 291

14. Pandas

Pandas е библиотека за анализ и манипулация на данни за Python, предлагаща структури от данни с етикети и статистически функции.

Брой звезди в Github: 21 404

Python проект с отворен код, за да опитате Pandas — откриване на болестта на Паркинсон

15. Pipenv

Pipenv обещава да бъде инструмент, готов за продукция, насочен към това да донесе най-доброто от всички опаковъчни светове в света на Python. Неговият терминал има красиви цветове и обединява Pipfile, pip и virtualenv в една команда. Той автоматично създава и управлява виртуална среда за вашите проекти и предоставя на потребителите прост начин за настройка на работната среда.

Брой звезди в Github: 18,322

16. SimpleCoin

Това е реализация на Blockchain за криптовалута, създадена на Python, но тя е проста, несигурна и непълна. SimpleCoin не е предназначен за производствена употреба. Не е за производствена употреба, SimpleCoin е предназначен за учебни цели и единствено да направи работеща блокчейн верига достъпна и да я опрости. Тя позволява да се съхраняват добити хешове и да се обменят за всяка поддържана валута.
Брой звезди в Github: 1343

17. Pyray

Това е библиотека за 3D рендеринг, написана на ванилен Python. Тя визуализира 2D, 3D, обекти и сцени с по-високо качество в Python, както и анимация. Намира ни в сферата на създадените видеа, видео игри, физически симулации и дори красиви изображения. Изискванията за това са: PIL, numpy и scipy.

Брой звезди в Github: 451

18. MicroPython

MicroPython е Python за микроконтролери. Това е ефективна реализация на Python3, която идва с много пакети от стандартната библиотека на Python и е оптимизирана да работи на микроконтролери и в ограничени условия. Pyboard е малка електронна платка, на която MicroPython работи на гол метал, така че може да контролира всевъзможни електронни проекти.

Брой звезди на Github: 9,197

19. Kivy

Kivy е Python библиотека за разработка на мобилни приложения и други мултитач приложения с естествен потребителски интерфейс (NUI). Тя разполага с графична библиотека, няколко варианта на виджети, междинен език Kv за създаване на собствени виджети, поддръжка на мишка, клавиатура, TUIO и събития за многостенна вход. Това е библиотека с отворен код за бързо разработване на приложения с иновационни потребителски интерфейси. Тя е кросплатформена, бизнес-приятелска и разполага с GPU ускорение.

Брой звезди в Github: 9,930

20. Dash

Dash от Plotly — това е фреймворк за уеб приложения. Изграден върху Flask, Plotly.js, React и React.js, той ни позволява да използваме Python за изграждане на табла с инструменти. Осигурява работа с модели на Python и R в мащаб. Dash позволява създаването, тестването, разгръщането и съставянето на доклади без нужда от DevOps, JavaScript, CSS или CronJobs. Dash е производителен, настроим, лек и лесен за управление. Има също така и отворен код.

Брой звезди в GitHub: 9,883

21. Magenta

Magenta е изследователски проект с отворен код, който се фокусира върху машинното обучение като инструмент в творческия процес. Позволява създаването на музика и изкуство с помощта на машинно обучение. Magenta е библиотека на Python, изградена върху TensorFlow, с инструменти за работа с изходни данни, използването й за обучение на машинни модели и създаване на ново съдържание.

22. Mask R-CNN

Това е имплементация на Mask R-CNN на Python 3, TensorFlow и Keras. Моделът взема всеки екземпляр на обект на растер и създава за него ограничителни рамки и маски за сегментация. Използва мрежа Feature Pyramid Network (FPN) и основа ResNet101. Кодът е лесен за разширяване. Този проект предлага и набор от данни Matterport3D за реконструирани 3D пространства, заснети от клиенти...
Брой звезди в GitHub: 14 055

23. Модели TensorFlow

Това е хранилище с различни модели, реализирани в TensorFlow — официални и изследователски модели. Съдържа също така примери и учебни пособия. Официалните модели използват високоуровневи API на TensorFlow. Изследователските модели са модели, реализирани в TensorFlow от изследователи за тяхната поддръжка или съдействие по въпроси и получаване на запитвания.

Брой звезди в GitHub: 57 745

24. Snallygaster

Snallygaster е начин за организиране на проблеми с проектни дъски. С него можете да настроите табло за управление на проекти в GitHub, да оптимизирате и автоматизирате работния поток. Позволява сортиране на задачи, планиране на проекти, автоматизиране на работния поток, проследяване на напредъка, споделяне на статуса и накрая завършване. Snallygaster може да сканира за наличието на секретни файлове на HTTP сървъри — търси файлове, достъпни на уеб сървъри, които не трябва да бъдат публично достъпни и могат да представляват заплаха за сигурността.

Брой звезди в GitHub: 1 477

25. Statsmodels

Това Python пакет, който допълва scipy за статистически изчисления, включително описателна статистика, както и оценки и изводи за статистически модели. За целта той разполага с класове и функции. Също така ни позволява да провеждаме статистически тестове и анализи на статистически данни.
Брой звезди в Github: 4 246

26. WhatWaf

Това е разширен инструмент за откриване на защитни стени, който можем да използваме, за да разберем дали защитната стена е активна в уеб приложението. Той открива защитната стена в уеб приложението и се опитва да открие един или повече обходни пътища за нея на посочената цел.

Брой звезди в Github: 1 300

27. Chainer

Chainer — среда за дълбоко учене, ориентирана към гъвкавост. Той е базиран на Python и предлага диференцирани API, основани на подхода define-by-run. Chainer предлага също обектно-ориентирани API с високо ниво за построяване и обучение на невронни мрежи. Това е мощна, гъвкава и интуитивно разбираема структура за невронни мрежи.
Брой звезди в Github: 5 054

28. Rebound

Rebound — инструмент за команден ред. Когато получите съобщение за грешка при компилация, той незабавно получава резултатите от препълнения стек. За да го използвате, можете да изпълните командата rebound с вашия файл. Това е един от 50-те най-популярни проекти с отворен код на Python за 2018 година. Освен това изисква Python 3.0 или по-нова версия. Поддържани типове файлове: Python, Node.js, Ruby, Golang и Java.

Брой звезди в Github: 2 913

29. Detectron

Detectron извършва съвременно откритие на обекти (също реализира маска R-CNN). Това е софтуер на Facebook AI Research (FAIR), написан на Python и работещ на платформата Caffe2 Deep Learning. Целта на Detectron е да предостави висококачествена и високопроизводителна кодова база за изследване на откритие на обекти. Той е гъвкав и реализира следните алгоритми — маска R-CNN, RetinaNet, по-бърз R-CNN, RPN, бърз R-CNN, R-FCN.

Брой звезди в Github: 21 873

30. Python-fire

Това е библиотека за автоматично генериране на CLI (интерфейси на командния ред) от (всякакъв) Python обект. Тя също така ви позволява да разработвате и отстранявате код, както и да изследвате съществуващ код или да превръщате чужд код в CLI. Python Fire улеснява преминаването между Bash и Python, както и използването на REPL.
Брой звезди в Github: 15 299

31. Pylearn2

Pylearn2 е библиотека за машинно обучение, изградена основно върху Theano. Нейната цел е да улесни изследването на ML. Позволява написването на нови алгоритми и модели.
Брой звезди в Github: 2681

32. Matplotlib

Matplotlib е библиотека за 2D чертане за Python – тя генерира качествени публикации в различни формати.

Брой звезди в Github: 10,072

33. Theano

Theano е библиотека за манипулиране на математически и матрични изрази. Тя е също така оптимизиращ компилатор. Theano използва NumPy-подобен синтаксис за изразяване на изчисления и компилира тях за работа на архитектури CPU или GPU. Това е библиотека за машинно обучение на Python с отворен код, написана на Python и CUDA и работеща в Linux, macOS и Windows.

Брой звезди на Github: 8,922

34. Multidiff

Multidiff е разработен, за да улесни разбирането на данни, ориентирани към машината. Той помага за преглеждане на разликите между голямо количество обекти, извършвайки сравнения между съответстващите обекти и след това ги визуализира. Тази визуализация ни позволява да търсим модели в собствените си протоколи или необичайни файлови формати. Той също така се използва основно за обратен инженеринг и анализ на двоични данни.

Брой звезди в Github: 262

35. Som-tsp

Този проект е посветен на използването на самоорганизиращи се карти за решаване на проблема на коммивояжера. Използвайки SOM, намираме неоптимални решения за проблема TSP и използваме формат .tsp за това. TSP е NP-комплексен проблем и с увеличаването на броя на градовете става все по-труден за решаване.

Брой звезди в Github: 950

36. Photon

Photon е изключително бърз уеб скенер, проектиран за OSINT. Той може да извлича URL адреси, URL адреси с параметри, информация за Intel, файлове, секретни ключове, JavaScript файлове, съвпадения с регулярни изрази и поддомейни. Избраната информация може да бъде запазена и експортирана във формат json. Photon е гъвкав и гениален. Можете също така да добавите някои плъгини към него.

Брой звезди в Github: 5714

37. Social Mapper

Social Mapper е инструмент за картографиране в социалните мрежи, който корелира профили, използвайки разпознаване на лица. Той го прави на различни уебсайтове в големи мащаби. Social Mapper автоматизира търсенето на имена и снимки в социалните мрежи и след това се опитва точно да определи и групира присъствието на хора. След това той създава доклад за преглед от човека. Това е полезно в индустрията за сигурност (например, за фишинг). Поддържа платформите LinkedIn, Facebook, Twitter, Google Plus, Instagram, ВКонтакте, Weibo и Douban.

Брой звезди в Github: 2,396

38. Camelot

Camelot е Python библиотека, която помага за извличане на таблици от PDF файлове. Тя работи с текстови PDF файлове, но не и с сканирани документи. Тук всяка таблица е pandas DataFrame. Освен това можете да експортирате таблиците в .json, .xls, .html или .sqlite.

Брой звезди в Github: 2415

39. Lector

Това е Qt четец за електронни книги. Поддържа формати на файлове .pdf, .epub, .djvu, .fb2, .mobi, .azw / .azw3 / .azw4, .cbr / .cbz и .md. В Lector има основен прозорец, преглед на таблицата, преглед на книгите, режим без разсейване, поддръжка на анотации, преглед на комикси и прозорец с настройки. Също така поддържа отметки, преглед на профили, редактор на метаданни и вграден речник.

Брой звезди в Github: 835

40. m00dbot

Това е Telegram бот за самооценка на депресия и тревожност.

Брой звезди в Github: 145

41. Manim

Това е анимационен двигател за обяснение на математически видеоклипове, който може да се използва за създаване на точна анимация по програмен начин. За целта той използва Python.

Брой звезди в Github: 13 491

42. Douyin-Bot

Бот, написан на Python за приложение, подобно на Tinder. Разработен от китайски програмисти.

Брой звезди в Github: 5,959

43. XSStrike

Това е пакет за откриване на крос-сайтови скриптове с четири ръчно написани синтактични анализатора. Той също така разполага с интелигентен генератор на полезни данни, мощен механизъм за фузинг и невероятно бърз модул за търсене. Вместо да въвежда полезни данни и да проверява тяхната работа, както правят всички останали инструменти, XSStrike разпознава отговора с помощта на няколко анализатора и след това обработва полезни данни, които сигурно ще работят с контекстуален анализ, интегриран в механизма за фузинг.

Брой звезди в Github: 7050

44. PythonRobotics

Този проект представлява сборник от кодове в алгоритмите на Python-роботиката, а също така и алгоритми за автономна навигация.

Брой звезди в Github: 6,746

45. Google Images Download

Google Images Download е Python програма за команден ред, която търси ключови думи в изображенията на Google и получава изображения за вас. Това е малка програма без зависимости, ако просто трябва да изтеглите до 100 изображения за всяка ключова дума.

Брой звезди в Github: 5749

46. Trape

Позволява проследяване и извършване на интелигентни атаки на социална инженерия в реално време. Това помага да се разбере как големи интернет компании могат да получават конфиденциална информация и да контролират потребителите без тяхното знание. Trape може също да помогне за проследяване на киберпрестъпниците.

Брой звезди в Github: 4256

47. Xonsh

Xonsh е кросплатформен Unix-gazing език за команден ред и обвивка, базирана на Python. Това е супerset на Python 3.5+ с допълнителни примитиви за обвивка, подобни на Bash и IPython. Xonsh работи на Linux, Max OS X, Windows и други основни системи.

Брой звезди в Github: 3426

48. GIF за CLI

За това е необходим GIF или кратко видео или заявка, а с помощта на API на Tenor GIF той се преобразува в анимирана графика ASCII. Той използва escape последователности ANSI за анимация и цвят.

Брой звезди в Github: 2,547

49. Cartoonify

Draw This — полароидна камера, способна да рисува карикатури. Това използва невронна мрежа за разпознаване на обекти, набор от данни Google Quickdraw, термопринтер и Raspberry Pi. Quick, Draw! — това е игра на Google, в която на играчите се предлага да нарисуват изображение на обект/идея, а след това той се опитва да отгатне какво представлява, за по-малко от 20 секунди.

Брой звезди в Github: 1760

50. Zulip

Zulip — това е приложение за групов чат, работещо в реално време, и също така продуктивно благодарение на многопоточните разговори. Много компании от списъка Fortune 500 и проекти с отворен код го използват за чат в реално време, който може да обработва хиляди съобщения на ден.

Брой звезди в Github: 10,432

51. YouTube-dl

Това е програма за команден ред, която може да изтегля видео от YouTube и някои други сайтове. Тя не е свързана с конкретна платформа.

Брой звезди в Github: 55,868

52. Ansible

Това е опростена система за автоматизация на ИТ, която може да обработва следните функции: управление на конфигурацията, разгръщане на приложения, инициализация на облака, изпълнение на специализирани задачи, автоматизация на мрежата и многоузлово оркестриране.

Брой звезди в Github: 39,443

53. HTTPie

HTTPie — това е HTTP клиент за команден ред. Това улеснява взаимодействието на CLI с уеб услуги. За командата http, тя ни позволява да изпращаме произволни HTTP заявки с прост синтаксис и да получаваме цветен изход. Можем да го използваме за тестване, отстраняване на грешки и взаимодействие с HTTP сървъри.

Брой звезди в Github: 43,199

54. Tornado Web Server

Това е уеб фреймворк, асинхронна мрежова библиотека за Python. Той използва неблокиращи мрежови входове/изходи за скалиране до повече от хиляда отворени свързвания. Това го прави добро решение за дълги заявки и WebSockets.

Брой звезди в Github: 18,306

55. Requests

Requests — това е библиотека, която позволява лесно изпращане на HTTP/1.1 заявки. Не е нужно ръчно да добавяте параметри към URL адресите или да кодиране данни PUT и POST.
Брой звезди в Github: 40,294

56. Scrapy

Scrapy е бърз, висококачествен фреймворк за извличане на данни от уеб страници — можете да го използвате за извличане на структурирани данни от уебсайтове. Също така можете да го използвате за анализ на данни, мониторинг и автоматизирано тестване.

Брой звезди в Github: 34,493

Източник: habr.com