{"id":53299,"date":"2019-11-28T00:00:00","date_gmt":"2019-11-27T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/56-proektov-na-python-s-otkrytym-ishodnym-kodom"},"modified":"2020-02-18T14:01:11","modified_gmt":"2020-02-18T11:01:11","slug":"56-proektov-na-python-s-otkrytym-ishodnym-kodom","status":"publish","type":"post","link":"https:\/\/prohoster.info\/no\/blog\/news\/56-proektov-na-python-s-otkrytym-ishodnym-kodom","title":{"rendered":"56 prosjekter p\u00e5 Python med \u00e5pen kildekode","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"56
\n<\/p>\n

1. Flask<\/h3>\n

\nDette er et mikro-rammeverk skrevet i Python. Det har ikke validering for skjemaer eller databaseniv\u00e5, men lar deg bruke tredjepartsbiblioteker for vanlige funksjoner. Og nettopp derfor er det et mikro-rammeverk. Flask er laget for enkel og rask opprettelse av applikasjoner, og det er ogs\u00e5 skalerbart og lett. Det er basert p\u00e5 prosjektene Werkzeug og Jinja2. Du kan lese mer om det i den siste artikkelen fra DataFlair om Python Flask<\/a><\/noindex>.<\/p>\n

2. Keras<\/h3>\n

\nKeras er et \u00e5pent kildekode-nevrale nettverksbibliotek skrevet i Python. Det er brukervennlig, modul\u00e6rt og utvidbart, og kan ogs\u00e5 kj\u00f8re p\u00e5 toppen av TensorFlow, Theano, PlaidML eller Microsoft Cognitive Toolkit (CNTK). Keras har alt: modeller, tap- og aktiveringsfunksjoner, optimizer og mye mer. Det st\u00f8tter ogs\u00e5 konvolusjonelle og rekursive nevrale nettverk.<\/p>\n

Arbeidet med det siste prosjektet basert p\u00e5 Keras \u2014 Brystkreftklassifisering<\/a><\/noindex>.
\n<\/a><\/noindex><\/p>\n

\"56<\/a><\/noindex>

\nArtikkelen er oversatt med st\u00f8tte fra EDISON Software, som utvikler et diagnostikk-system for dokumentlagring, Vivaldi<\/a><\/noindex>, samt investerer i oppstartsbedrifter<\/a><\/noindex>.<\/p><\/blockquote>\n

3. SpaCy<\/h3>\n

\nDette er et \u00e5pent kildekode-programvarebibliotek som jobber med naturlig spr\u00e5kbehandling (NLP)<\/a><\/noindex> og er skrevet i Python og Cython. Mens NLTK er mer egnet for undervisnings- og forskningsform\u00e5l, er fokuset til spaCy \u00e5 tilby programvare til produksjon. Videre er Thinc spaCys maskinl\u00e6ringsbibliotek, som har modeller for CNN for ordklasse-tagging, avhengighetsparsing og navngitt objekter gjenkjenning.<\/p>\n

4. Sentry<\/h3>\n

\nSentry tilbyr hosting av feilmeldingsoverv\u00e5king med \u00e5pen kildekode, slik at du kan oppdage og sortere feil i sanntid. Installer bare SDK-en for ditt spr\u00e5k(e) eller rammeverk(e) og kom i gang. Den lar deg fange ubehandlede unntak, utforske stakkspor, analysere innvirkningen av hvert problem, spore feil p\u00e5 tvers av ulike prosjekter, tildele problemer og mye mer. \u00c5 bruke Sentry betyr f\u00e6rre feil og mer sendt kode.<\/p>\n

5. OpenCV<\/h3>\n

\nOpenCV er et bibliotek for datamaskinsyn og maskinl\u00e6ring med \u00e5pen kildekode. Biblioteket har mer enn 2500 optimaliserte algoritmer for oppgaver innen datamaskinsyn, som objektgjenkjenning og -identifisering, klassifisering av ulike typer menneskelig aktivitet, bevegelsessporing med kamera, oppretting av 3D-modeller av objekter, sammenf\u00f8yning av bilder for \u00e5 oppn\u00e5 h\u00f8yoppl\u00f8selige bilder og mange andre oppgaver. Biblioteket er tilgjengelig for mange spr\u00e5k, som Python, C++ og Java.<\/p>\n

Antall stjerner p\u00e5 Github: 39585<\/p>\n

Har du allerede jobbet med et OpenCV-prosjekt? Her er ett \u2014 Prosjekt for kj\u00f8nn- og aldersbestemmelse<\/a><\/noindex><\/p>\n

6. Nilearn<\/h3>\n

\nDette er et modul for rask og enkel implementering av statistisk l\u00e6ring p\u00e5 nevrale avbildningsdata. Det lar deg bruke scikit-learn for multivariat statistikk for prediktiv modellering, klassifisering, dekoding og analyser av sammenhenger. Nilearn er en del av NiPy-\u00f8kosystemet, som er et fellesskap dedikert til bruk av Python for analyse av nevrale data.<\/p>\n

Antall stjerner p\u00e5 Github<\/a><\/noindex>: 549<\/p>\n

7. scikit-Learn<\/h3>\n

\nScikit-learn er et annet Python-prosjekt med \u00e5pen kildekode. Det er et sv\u00e6rt kjent bibliotek for maskinl\u00e6ring for Python. Vanligvis brukt sammen med NumPy og SciPy, tilbyr SciPy klassifisering, regresjon og klyngedannelse \u2014 det st\u00f8tter SVM (Support Vector Machines)<\/a><\/noindex>, tilfeldige skoger, gradientforsterkning, k-midler og DBSCAN. Dette biblioteket er skrevet i b\u00e5de Python og Cython.<\/p>\n

Antall stjerner p\u00e5 Github: 37,144<\/p>\n

8. PyTorch<\/h3>\n

\nPyTorch er et annet \u00e5pent bibliotek for maskinl\u00e6ring, skrevet i Python og for Python. Det er basert p\u00e5 Torch-biblioteket og er utmerket for omr\u00e5der som datamaskinsyn og behandling av naturlig spr\u00e5k (NLP). Det har ogs\u00e5 en C++ frontend. <\/p>\n

Blant mange andre funksjoner tilbyr PyTorch to h\u00f8y-niv\u00e5:<\/p>\n