{"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\/sl\/blog\/news\/56-proektov-na-python-s-otkrytym-ishodnym-kodom","title":{"rendered":"56 projekata na Python-u sa otvorenim izvorom","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

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

1. Flask<\/h3>\n

\nFlask je mikro okvir napisan u Pythonu. Nem\u00e1 validacije za obrasce i razinu apstrakcije baze podataka, ali vam omogu\u0107ava kori\u0161tenje vanjskih biblioteka za op\u0107e funkcije. Upravo je to razlog za\u0161to se zove mikro okvir. Flask je dizajniran za jednostavno i brzo kreiranje aplikacija, a tako\u0111er je skalabilan i lagan. Temelji se na projektima Werkzeug i Jinja2. Vi\u0161e informacija mo\u017eete prona\u0107i u posljednjem \u010dlanku DataFlair o Python Flask<\/a><\/noindex>.<\/p>\n

2. Keras<\/h3>\n

\nKeras je biblioteka za neuronske mre\u017ee otvorenog koda napisana u Pythonu. Jednostavna je za kori\u0161tenje, modularna i pro\u0161iriva, a mo\u017ee raditi iznad TensorFlow-a, Theano-a, PlaidML-a ili Microsoft Cognitive Toolkit-a (CNTK). U Kerasu se nalazi sve: obrasci, ciljne i prijenosne funkcije, optimizatori i mnogo vi\u0161e. Tako\u0111er podr\u017eava konvolucijske i rekurentne neuronske mre\u017ee.<\/p>\n

Rad na posljednjem projektu otvorenog koda temeljenom na Kerasu \u2013 Klasifikacija raka dojke<\/a><\/noindex>.
\n<\/a><\/noindex><\/p>\n

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

\n\u010clanek je bil preveden s podporo podjetja EDISON Software, ki razvija sustav dijagnostike skladi\u0161ta dokumenata Vivaldi<\/a><\/noindex>, kao i ulaganja u startupe<\/a><\/noindex>.<\/p><\/blockquote>\n

3. SpaCy<\/h3>\n

\nOvo je biblioteka otvorenog koda koja se bavi obradom prirodnog jezika (NLP)<\/a><\/noindex> i napisana je u Pythonu i Cythone. Dok je NLTK vi\u0161e prikladan za edukativne i istra\u017eiva\u010dke svrhe, rad spaCy-a je usmjeren na pru\u017eanje softvera za proizvodnju. Osim toga, Thinc je biblioteka za strojno u\u010denje spaCy-a koja sadr\u017ei CNN modele za ozna\u010davanje dijelova govora, parsiranje zavisnosti i prepoznavanje imenovanih entiteta.<\/p>\n

4. Sentry<\/h3>\n

\nSentry nudi hosting za nadzor gre\u0161aka otvorenog koda kako biste mogli otkrivati i razvrstavati gre\u0161ke u realnom vremenu. Jednostavno instalirajte SDK za va\u0161 jezik(e) ili okvir(e) i po\u010dnite raditi. Omogu\u0107uje vam da bilje\u017eite neobra\u0111ene iznimke, prou\u010davate pra\u0107enje stoga, analizirate utjecaj svakog problema, pratite gre\u0161ke u raznim projektima, dodjeljujete probleme i jo\u0161 mnogo toga. Kori\u0161tenje Sentry-a zna\u010di manje gre\u0161aka i vi\u0161e poslanog koda.<\/p>\n

5. OpenCV<\/h3>\n

\nOpenCV je knji\u017enica za ra\u010dunalni vid in strojno u\u010denje z odprto kodo. Knji\u017enica vklju\u010duje ve\u010d kot 2500 optimiziranih algoritmov za naloge ra\u010dunalnega vida, kot so odkrivanje in prepoznavanje objektov, klasifikacija razli\u010dnih vrst \u010dlove\u0161ke dejavnosti, sledenje gibanj s kamerami, ustvarjanje tridimenzionalnih modelov objektov, spajanje slik za pridobivanje slik z visoko lo\u010dljivostjo in \u0161tevilne druge naloge. Knji\u017enica je na voljo za \u0161tevilne jezike, kot so Python, C++ in Java.<\/p>\n

\u0160tevilo zvezd na Githubu: 39585<\/p>\n

Ste \u017ee delali na katerem koli projektu OpenCV? Tukaj je en \u2014 Projekt za dolo\u010danje spola in starosti<\/a><\/noindex><\/p>\n

6. Nilearn<\/h3>\n

\nTo je modul za hitro in enostavno izvajanje statisti\u010dnega u\u010denja na podatkih neuroimaginga. Omogo\u010da uporabo scikit-learn za ve\u010ddimenzionalno statistiko za napovedno modeliranje, klasifikacijo, dekodiranje in analizo povezanosti. Nilearn je del ekosistema NiPy, ki predstavlja skupnost, namenjeno uporabi Pythona za analizo podatkov nevrovizualizacije.<\/p>\n

\u0160tevilo zvezd na Github<\/a><\/noindex>: 549<\/p>\n

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

\nScikit-learn je \u0161e en projekt v Pythonu z odprto kodo. To je zelo znana knji\u017enica za strojno u\u010denje za Python. Pogosto se uporablja z NumPy in SciPy, SciPy ponuja klasifikacijo, regresijo in klasterizacijo - podpira SVM (podporni vektorski stroji)<\/a><\/noindex>, naklju\u010dne gozdove, gradiente, k-sredstva in DBSCAN. Ta knji\u017enica je napisana v Pythonu in Cythonu.<\/p>\n

\u0160tevilo zvezd na Githubu: 37,144<\/p>\n

8. PyTorch<\/h3>\n

\nPyTorch je \u0161e ena odprta knji\u017enica za strojno u\u010denje, napisana v Pythonu in za Python. Temelji na knji\u017enici Torch in je odli\u010dna za podro\u010dja, kot so ra\u010dunalni vid in obdelava naravnega jezika (NLP). Ima tudi C++ vmesnik. <\/p>\n

Med mnogimi drugimi funkcijami PyTorch ponuja dve visoki ravni:<\/p>\n