{"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\/pl\/blog\/news\/56-proektov-na-python-s-otkrytym-ishodnym-kodom","title":{"rendered":"56 projekt\u00f3w na Pythonie z otwartym kodem \u017ar\u00f3d\u0142owym","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

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

1. Flask<\/h3>\n

\nTo mikroframework napisany w Pythonie. Nie ma walidacji formularzy ani poziomu abstrakcji bazy danych, ale pozwala na wykorzystanie zewn\u0119trznych bibliotek do og\u00f3lnych funkcji. I w\u0142a\u015bnie dlatego jest to mikroframework. Flask jest przeznaczony do szybkiego i prostego tworzenia aplikacji, a tak\u017ce jest skalowalny i lekki. Bazuje na projektach Werkzeug i Jinja2. Mo\u017cesz dowiedzie\u0107 si\u0119 wi\u0119cej o nim w ostatnim artykule DataFlair o Python Flask<\/a><\/noindex>.<\/p>\n

2. Keras<\/h3>\n

\nKeras to biblioteka neuronowa z otwartym kodem \u017ar\u00f3d\u0142owym, napisana w Pythonie. Jest przyjazna dla u\u017cytkownika, modularna i rozszerzalna, a tak\u017ce mo\u017ce dzia\u0142a\u0107 na TensorFlow, Theano, PlaidML lub Microsoft Cognitive Toolkit (CNTK). W Keras znajdziesz wszystko: szablony, funkcje celu i przenoszenia, optymalizatory i wiele wi\u0119cej. Obs\u0142uguje r\u00f3wnie\u017c sieci neuronowe splotowe i rekurencyjne.<\/p>\n

Praca nad ostatnim projektem z otwartym kodem \u017ar\u00f3d\u0142owym na podstawie Keras - Klasyfikacja raka piersi<\/a><\/noindex>.
\n<\/a><\/noindex><\/p>\n

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

\nArtyku\u0142 zosta\u0142 przet\u0142umaczony przy wsparciu firmy EDISON Software, kt\u00f3ra opracowuje system diagnostyki przechowywania dokument\u00f3w Vivaldi<\/a><\/noindex>, a tak\u017ce inwestuje w startupy<\/a><\/noindex>.<\/p><\/blockquote>\n

3. SpaCy<\/h3>\n

\nTo biblioteka oprogramowania z otwartym kodem \u017ar\u00f3d\u0142owym, kt\u00f3ra zajmuje si\u0119 przetwarzaniem j\u0119zyka naturalnego (NLP)<\/a><\/noindex> i jest napisana w Pythonie i Cythonie. Podczas gdy NLTK jest bardziej odpowiedni dla cel\u00f3w edukacyjnych i badawczych, spaCy ma na celu dostarczenie oprogramowania do produkcji. Ponadto Thinc to biblioteka uczenia maszynowego spaCy, kt\u00f3ra zawiera modele CNN do tagowania cz\u0119\u015bci mowy, analizy zale\u017cno\u015bci i rozpoznawania nazw w\u0142asnych.<\/p>\n

4. Sentry<\/h3>\n

\nSentry oferuje hosting monitorowania b\u0142\u0119d\u00f3w z otwartym kodem \u017ar\u00f3d\u0142owym, aby\u015b m\u00f3g\u0142 wykrywa\u0107 i sortowa\u0107 b\u0142\u0119dy w czasie rzeczywistym. Po prostu zainstaluj SDK dla swojego j\u0119zyka(\u00f3w) lub frameworka(\u00f3w) i zacznij dzia\u0142a\u0107. Pozwala na rejestrowanie nieobs\u0142u\u017conych wyj\u0105tk\u00f3w, badanie \u015blad\u00f3w stosu, analizowanie wp\u0142ywu ka\u017cdego problemu, \u015bledzenie b\u0142\u0119d\u00f3w w r\u00f3\u017cnych projektach, przypisywanie problem\u00f3w i wiele wi\u0119cej. U\u017cywanie Sentry oznacza mniej b\u0142\u0119d\u00f3w i wi\u0119cej przesy\u0142anego kodu.<\/p>\n

5. OpenCV<\/h3>\n

\nOpenCV to biblioteka do komputerowego widzenia i uczenia maszynowego z otwartym kodem \u017ar\u00f3d\u0142owym. Biblioteka zawiera ponad 2500 zoptymalizowanych algorytm\u00f3w do zada\u0144 komputerowego widzenia, takich jak wykrywanie i rozpoznawanie obiekt\u00f3w, klasyfikacja r\u00f3\u017cnych rodzaj\u00f3w ludzkiej aktywno\u015bci, \u015bledzenie ruch\u00f3w za pomoc\u0105 kamery, tworzenie tr\u00f3jwymiarowych modeli obiekt\u00f3w, \u0142\u0105czenie obraz\u00f3w w celu uzyskania zdj\u0119\u0107 o wysokiej rozdzielczo\u015bci i wiele innych zada\u0144. Biblioteka jest dost\u0119pna w wielu j\u0119zykach, takich jak Python, C ++, Java itd.<\/p>\n

Liczba gwiazdek na Githubie: 39585<\/p>\n

Czy ju\u017c pracowa\u0142e\u015b nad jakimkolwiek projektem OpenCV? Oto jeden \u2014 Projekt rozpoznawania p\u0142ci i wieku<\/a><\/noindex><\/p>\n

6. Nilearn<\/h3>\n

\nTo modu\u0142 do szybkiej i prostej realizacji uczenia statystycznego na danych NeuroImaging. Umo\u017cliwia wykorzystanie scikit-learn do wielowymiarowej statystyki dla modelowania prognostycznego, klasyfikacji, dekodowania i analizy sp\u00f3jno\u015bci. Nilearn jest cz\u0119\u015bci\u0105 ekosystemu NiPy, kt\u00f3ry jest spo\u0142eczno\u015bci\u0105 po\u015bwi\u0119con\u0105 wykorzystaniu Pythona do analizy danych neuroobrazowania.<\/p>\n

Liczba gwiazdek na Podr\u00f3\u017c, kt\u00f3r\u0105 przeszed\u0142em, okaza\u0142a si\u0119 fascynuj\u0105c\u0105 wypraw\u0105 w przesz\u0142o\u015b\u0107 i ciesz\u0119 si\u0119, \u017ce w ko\u0144cu znalaz\u0142em rozwi\u0105zanie. Poza tym:<\/a><\/noindex>: 549<\/p>\n

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

\nScikit-learn to kolejny projekt Pythona z otwartym kodem \u017ar\u00f3d\u0142owym. Jest to bardzo znana biblioteka uczenia maszynowego dla Pythona. Cz\u0119sto u\u017cywana wraz z NumPy i SciPy, SciPy oferuje klasyfikacj\u0119, regresj\u0119 i klasteryzacj\u0119 \u2014 wspiera SVM (Support Vector Machines)<\/a><\/noindex>, lasy losowe, przyspieszenie gradientowe, k-\u015brednie i DBSCAN. Ta biblioteka jest napisana w j\u0119zykach Python i Cython.<\/p>\n

Liczba gwiazdek na Githubie: 37,144<\/p>\n

8. PyTorch<\/h3>\n

\nPyTorch to kolejna otwarta biblioteka uczenia maszynowego, napisana w Pythonie i dla Pythona. Jest oparta na bibliotece Torch i doskonale nadaje si\u0119 do takich dziedzin jak komputerowe widzenie i przetwarzanie j\u0119zyka naturalnego (NLP). Posiada tak\u017ce interfejs w C++. <\/p>\n

W\u015br\u00f3d wielu innych funkcji PyTorch oferuje dwie zaawansowane:<\/p>\n