1. Flask
O ti wa ni a bulọọgi-fireemu kọ ni Python. Ko ni awọn afọwọsi fun awọn fọọmu ko si si Layer abstraction database, ṣugbọn gba ọ laaye lati lo awọn ile-ikawe ẹnikẹta fun iṣẹ ṣiṣe ti o wọpọ. Ati awọn ti o ni idi ti o ni a bulọọgi ilana. A ṣe apẹrẹ Flask lati jẹ ki ṣiṣẹda awọn ohun elo rọrun ati iyara, lakoko ti o tun jẹ iwọn ati iwuwo fẹẹrẹ. O da lori awọn iṣẹ akanṣe Werkzeug ati Jinja2. O le ka diẹ sii nipa rẹ ni nkan tuntun ti DataFlair nipa .
2. Keras
Keras jẹ ile-ikawe nẹtiwọọki neural orisun ṣiṣi ti a kọ sinu Python. O jẹ ore-olumulo, modular ati extensible, ati pe o le ṣiṣẹ lori oke TensorFlow, Theano, PlaidML tabi Microsoft Cognitive Toolkit (CNTK). Keras ni gbogbo rẹ: awọn awoṣe, ibi-afẹde ati awọn iṣẹ gbigbe, awọn iṣapeye ati pupọ diẹ sii. O tun ṣe atilẹyin convolutional ati loorekoore nkankikan nẹtiwọki.
Ṣiṣẹ lori iṣẹ orisun ṣiṣi tuntun ti o da lori Keras - .
A tumọ nkan naa pẹlu atilẹyin EDISON Software, eyiti Ati .
3.SpaCy
O jẹ ile-ikawe sọfitiwia orisun ṣiṣi ti o ṣe pẹlu ati kọ ni Python ati Cython. Lakoko ti NLTK dara julọ fun ikọni ati awọn idi iwadii, iṣẹ spaCy ni lati pese sọfitiwia fun iṣelọpọ. Ni afikun, Thinc jẹ ile-ikawe ikẹkọ ẹrọ spaCy ti o pese awọn awoṣe CNN fun fifi aami si apakan-ọrọ, sisọ igbẹkẹle, ati idanimọ nkan ti a darukọ.
4. Sentry
Sentry nfunni ti gbalejo ibojuwo bug orisun ṣiṣi ki o le rii ati awọn idun triage ni akoko gidi. Nìkan fi SDK sori ẹrọ fun ede (awọn) tabi ilana (awọn) ki o bẹrẹ. O gba ọ laaye lati mu awọn imukuro ti a ko mu, ṣayẹwo awọn itọpa akopọ, ṣe itupalẹ ipa ti ọrọ kọọkan, tọpa awọn idun kọja awọn iṣẹ akanṣe, fi awọn ọran sọtọ, ati diẹ sii. Lilo Sentry tumo si awọn idun diẹ ati koodu diẹ sii ti o firanṣẹ.
5. ṢiiCV
OpenCV jẹ iran kọnputa orisun ṣiṣi ati ile ikawe ẹkọ ẹrọ. Ile-ikawe naa ni diẹ sii ju awọn algoridimu iṣapeye 2500 fun awọn iṣẹ ṣiṣe iran kọnputa gẹgẹbi wiwa ohun ati idanimọ, ipinya ti awọn oriṣiriṣi awọn iṣẹ ṣiṣe eniyan, ipasẹ išipopada kamẹra, ṣiṣẹda awọn awoṣe ohun XNUMXD, stitching aworan lati gba awọn aworan ti o ga, ati ọpọlọpọ awọn iṣẹ ṣiṣe miiran. . Ile-ikawe wa fun ọpọlọpọ awọn ede bii Python, C++, Java, ati bẹbẹ lọ.
Nọmba awọn irawọ lori Github: 39585
Njẹ o ti ṣiṣẹ tẹlẹ lori eyikeyi iṣẹ akanṣe OpenCV? Eyi ni ọkan -
6. Nilearn
Eyi jẹ module fun iyara ati irọrun imuse ẹkọ iṣiro lori data NeuroImaging. O gba ọ laaye lati lo scikit-learn fun awọn iṣiro oniwadi pupọ fun awoṣe isọtẹlẹ, iyasọtọ, iyipada ati itupalẹ Asopọmọra. Nilearn jẹ apakan ti ilolupo ilolupo NiPy, eyiti o jẹ agbegbe igbẹhin si lilo Python lati ṣe itupalẹ data neuroimaging.
Nọmba ti irawọ fun : 549
7. scikit-Kọ ẹkọ
Scikit-learn jẹ iṣẹ akanṣe orisun orisun ṣiṣi miiran ti Python. Eyi jẹ ile-ikawe ikẹkọ ẹrọ olokiki pupọ fun Python. Nigbagbogbo ti a lo pẹlu NumPy ati SciPy, SciPy nfunni ni isọdi, ipadasẹhin ati iṣupọ - o ṣe atilẹyin , awọn igbo laileto, isare gradient, k-tumosi ati DBSCAN. Ile-ikawe yii ni a kọ sinu Python ati Cython.
Nọmba awọn irawọ lori Github: 37,144
8. PyTorch
PyTorch jẹ ile-ikawe ikẹkọ ẹrọ orisun ṣiṣi miiran ti a kọ sinu Python ati fun Python. O da lori ile-ikawe Torch ati pe o jẹ nla fun awọn agbegbe bii iran kọnputa ati sisẹ ede abinibi (NLP). O tun ni iwaju iwaju C ++ kan.
Laarin ọpọlọpọ awọn ẹya miiran, PyTorch nfunni ni awọn ipele giga meji:
- Giga GPU-onikiakia tensor iširo
- Jin nkankikan nẹtiwọki
Nọmba ti irawọ lori Github: 31
9. Librosa
Librosa jẹ ọkan ninu awọn ile-ikawe Python ti o dara julọ fun orin ati itupalẹ ohun. O ni awọn paati pataki ti a lo lati gba alaye lati orin. Ile-ikawe naa ti ni akọsilẹ daradara ati pe o ni ọpọlọpọ awọn ikẹkọ ati awọn apẹẹrẹ ti yoo jẹ ki iṣẹ-ṣiṣe rẹ rọrun.
Nọmba awọn irawọ lori Github: 3107
Ṣiṣe iṣẹ orisun orisun orisun Python ati Librosa - .
10. Gensim
Gensim jẹ ile-ikawe Python kan fun awoṣe awoṣe koko, titọka iwe, ati awọn wiwa ibajọra fun awọn ile-iṣẹ nla. O jẹ ifọkansi si NLP ati awọn agbegbe igbapada alaye. Gensim jẹ kukuru fun “ipilẹṣẹ bii.” Ni iṣaaju, o ṣẹda atokọ kukuru ti awọn nkan ti o jọra si nkan yii. Gensim jẹ kedere, daradara ati iwọn. Gensim n pese imuse daradara ati irọrun ti awoṣe atunmọ ti ko ni abojuto lati ọrọ itele.
Nọmba ti irawọ lori Github: 9
11.Django
jẹ ilana Python giga-giga ti o ṣe iwuri fun idagbasoke iyara ati gbagbọ ninu ipilẹ DRY (Maṣe Tun Ara Rẹ Tun). O jẹ ilana ti o lagbara pupọ ati lilo pupọ julọ fun Python. O da lori ilana MTV (Awoṣe-Awoṣe-Wo).
Nọmba ti irawọ lori Github: 44
12. Oju idanimọ
Idanimọ oju jẹ iṣẹ akanṣe olokiki lori GitHub. O ni irọrun ṣe idanimọ ati ṣe afọwọyi awọn oju ni lilo Python/laini aṣẹ ati lo ile-ikawe idanimọ oju ti o rọrun julọ ni agbaye lati ṣe bẹ. Eyi nlo dlib pẹlu ẹkọ ti o jinlẹ lati ṣe awari awọn oju pẹlu deede 99,38% ni ipilẹ Egan.
Nọmba awọn irawọ lori Github: 28,267
13. Cookiecutter
Cookiecutter jẹ IwUlO laini aṣẹ ti o le ṣee lo lati ṣẹda awọn iṣẹ akanṣe lati awọn awoṣe (awọn kuki). Apeere kan yoo jẹ lati ṣẹda iṣẹ akanṣe lati inu awoṣe iṣẹ akanṣe kan. Iwọnyi jẹ awọn awoṣe agbekọja, ati awọn awoṣe akanṣe le wa ni eyikeyi ede tabi ọna kika isamisi, gẹgẹbi Python, JavaScript, HTML, Ruby, CoffeeScript, RST, ati Markdown. O tun gba ọ laaye lati lo awọn ede pupọ ni awoṣe iṣẹ akanṣe kanna.
Nọmba ti irawọ lori Github: 10
14. Pandas
Pandas jẹ itupalẹ data ati ile-ikawe ifọwọyi fun Python ti o funni ni awọn ẹya data aami ati awọn iṣẹ iṣiro.
Nọmba awọn irawọ lori Github: 21,404
Iṣẹ orisun orisun Python lati gbiyanju Pandas -
15. Pipenv
Pipenv ṣe ileri lati jẹ ohun elo ti o ṣetan iṣelọpọ ti o pinnu lati mu ohun ti o dara julọ ti gbogbo awọn aye iṣakojọpọ wa si agbaye ti Python. Ibusọ rẹ ni awọn awọ to dara ati pe o dapọ Pipfile, pip ati virtualenv sinu aṣẹ kan. O ṣẹda laifọwọyi ati ṣakoso agbegbe foju kan fun awọn iṣẹ akanṣe rẹ ati pese awọn olumulo pẹlu ọna irọrun lati ṣe akanṣe agbegbe iṣẹ wọn.
Nọmba awọn irawọ lori Github: 18,322
16. SimpleCoin
O jẹ imuse Blockchain fun cryptocurrency ti a ṣe ni Python, ṣugbọn o rọrun, ailewu, ati pe ko pe. SimpleCoin kii ṣe ipinnu fun lilo iṣelọpọ. Kii ṣe fun lilo iṣelọpọ, SimpleCoin jẹ ipinnu fun awọn idi eto-ẹkọ ati pe lati jẹ ki blockchain ṣiṣẹ ni iraye si ati rọrun. O gba ọ laaye lati ṣafipamọ awọn hashes mined ati paarọ wọn fun owo atilẹyin eyikeyi.
Nọmba awọn irawọ lori Github: 1343
17. Prayá
O jẹ ile-ikawe Rendering 3D ti a kọ ni fanila Python. O ṣe 2D, 3D, awọn nkan onisẹpo ti o ga julọ ati awọn iwoye ni Python ati ere idaraya. O rii wa ni agbegbe ti awọn fidio ti a ṣẹda, awọn ere fidio, awọn iṣeṣiro ti ara ati paapaa awọn aworan lẹwa. Awọn ibeere fun eyi: PIL, numpy ati scipy.
Nọmba awọn irawọ lori Github: 451
18. MicroPython
MicroPython jẹ Python fun microcontrollers. O jẹ imuse daradara ti Python3 ti o wa pẹlu ọpọlọpọ awọn idii lati ibi-ikawe boṣewa Python ati pe o jẹ iṣapeye lati ṣiṣẹ lori awọn oludari microcontroller ati ni awọn agbegbe ihamọ. Pyboard jẹ igbimọ itanna kekere ti o nṣiṣẹ MicroPython lori irin igboro ki o le ṣakoso gbogbo iru awọn iṣẹ-ṣiṣe itanna.
Nọmba ti irawọ fun : 9,197
19. Kivy
Kivy jẹ ile-ikawe Python fun idagbasoke alagbeka ati awọn ohun elo ifọwọkan pupọ miiran pẹlu wiwo olumulo adayeba (NUI). O ni ile-ikawe awọn aworan, ọpọlọpọ awọn aṣayan ailorukọ, ede agbedemeji Kv kan fun ṣiṣẹda awọn ẹrọ ailorukọ tirẹ, atilẹyin fun Asin, keyboard, TUIO, ati awọn iṣẹlẹ ifọwọkan pupọ. O jẹ ile-ikawe orisun ṣiṣi fun idagbasoke ohun elo iyara pẹlu awọn atọkun olumulo tuntun. O ti wa ni agbelebu-Syeed, owo-ore, ati GPU-onikiakia.
Nọmba ti irawọ lori Github: 9
20 Dash
Dash nipasẹ Plotly jẹ ilana ohun elo wẹẹbu kan. Ti a ṣe lori oke Flask, Plotly.js, React ati React.js, o gba wa laaye lati lo Python lati kọ awọn dashboards. O ṣe agbara Python ati awọn awoṣe R ni iwọn. Dash gba ọ laaye lati kọ, ṣe idanwo, ransiṣẹ, ati ijabọ laisi DevOps, JavaScript, CSS, tabi CronJobs. Dash jẹ alagbara, isọdi, iwuwo fẹẹrẹ ati rọrun lati ṣakoso. O tun jẹ orisun ṣiṣi.
Nọmba awọn irawọ lori Github: 9,883
21. Magenta
Magenta jẹ iṣẹ akanṣe iwadii orisun ṣiṣi ti o dojukọ ikẹkọ ẹrọ bi ohun elo ninu ilana ẹda. O gba ọ laaye lati ṣẹda orin ati aworan nipa lilo ẹkọ ẹrọ. Magenta jẹ ile-ikawe Python ti o da lori TensorFlow, pẹlu awọn ohun elo fun ṣiṣẹ pẹlu data aise, lilo rẹ lati kọ awọn awoṣe ẹrọ ati ṣẹda akoonu tuntun.
22. R-CNN boju
Eyi jẹ imuse ti iboju-boju R-CNNN ni Python 3, TensorFlow ati Keras. Awoṣe naa gba apẹẹrẹ ohun kọọkan ninu raster ati ṣẹda awọn apoti didi ati awọn iboju iparada fun rẹ. O nlo Nẹtiwọọki Pyramid Ẹya (FPN) ati ẹhin ResNet101. Awọn koodu ti wa ni rọrun lati fa. Ise agbese yii tun funni ni data data Matterport3D ti awọn aaye 3D ti a tun ṣe ti o mu nipasẹ awọn alabara…
Nọmba ti irawọ lori Github: 14
23. TensorFlow Models
Eyi jẹ ibi ipamọ pẹlu ọpọlọpọ awọn awoṣe ti a ṣe imuse ni TensorFlow - osise ati awọn awoṣe iwadii. O tun ni awọn apẹẹrẹ ati awọn ikẹkọ. Awọn awoṣe osise lo awọn API TensorFlow ipele giga. Awọn awoṣe iwadii jẹ awọn awoṣe ti a ṣe imuse ni TensorFlow nipasẹ awọn oniwadi fun atilẹyin wọn tabi atilẹyin ibeere ati awọn ibeere.
Nọmba ti irawọ lori Github: 57
24. Snallygaster
Snallygaster jẹ ọna lati ṣeto awọn iṣoro pẹlu awọn igbimọ iṣẹ akanṣe. Ṣeun si eyi, o le ṣe akanṣe igbimọ iṣakoso ise agbese rẹ lori GitHub, mu ki o ṣe adaṣe adaṣe iṣẹ rẹ. O faye gba o lati to awọn iṣẹ-ṣiṣe, iṣeto ise agbese, automate bisesenlo, orin itesiwaju, pin ipo ati nipari pari. Snallygaster le ṣayẹwo fun awọn faili asiri lori awọn olupin HTTP - o wa awọn faili ti o wa lori awọn olupin wẹẹbu ti ko yẹ ki o wa ni gbangba ati pe o le fa ewu aabo.
Nọmba ti irawọ lori Github: 1
25.Statsmodels
Eyi jẹ , eyi ti o ṣe afikun scipy fun iṣiro iṣiro, pẹlu awọn iṣiro apejuwe ati iṣiro ati itọkasi fun awọn awoṣe iṣiro. O ni awọn kilasi ati awọn iṣẹ fun idi eyi. O tun gba wa laaye lati ṣe awọn idanwo iṣiro ati iwadii lori data iṣiro.
Nọmba ti irawọ lori Github: 4
26. KiniWaf
Eyi jẹ ohun elo wiwa ogiriina ti ilọsiwaju ti a le lo lati loye ti ogiriina ohun elo wẹẹbu kan wa. O ṣe awari ogiriina kan ninu ohun elo wẹẹbu kan o gbiyanju lati ṣawari ọkan tabi diẹ sii awọn ibi-iṣẹ fun u lori ibi-afẹde kan pato.
Nọmba awọn irawọ lori Github: 1300
27. Chainer
Olukọni- Oorun si ọna irọrun. O da lori Python ati pe o funni ni awọn API ti o yatọ ti o da lori ọna asọye-nipasẹ-ṣiṣe. Chainer tun funni ni awọn API ti o da lori ohun-giga fun kikọ ati ikẹkọ awọn nẹtiwọọki nkankikan. O jẹ ilana ti o lagbara, rọ ati ogbon inu fun awọn nẹtiwọọki nkankikan.
Nọmba awọn irawọ lori Github: 5,054
28. Atunse
Rebound jẹ ọpa laini aṣẹ. Nigbati o ba gba aṣiṣe olupilẹṣẹ kan, yoo gba awọn abajade lẹsẹkẹsẹ lati inu akopọ akopọ. Lati lo eyi o le lo aṣẹ isọdọtun lati ṣiṣẹ faili rẹ. O jẹ ọkan ninu awọn iṣẹ akanṣe orisun orisun Python olokiki julọ 50 ti 2018. Ni afikun, o nilo Python 3.0 tabi ga julọ. Awọn oriṣi faili ti o ni atilẹyin: Python, Node.js, Ruby, Golang ati Java.
Nọmba awọn irawọ lori Github: 2913
29. Detectron
Detectron ṣe wiwa ohun elo ode oni (tun ṣe iboju-boju R-CNN). O jẹ sọfitiwia Facebook AI Iwadi (FAIR) ti a kọ sinu Python ati ṣiṣe lori pẹpẹ Caffe2 Deep Learning. Ibi-afẹde Detectron ni lati pese koodu mimọ ti o ni agbara giga, iṣẹ ṣiṣe giga fun iwadii wiwa nkan. O rọ ati imuse awọn algoridimu wọnyi - iboju-boju R-CNN, RetinaNet, R-CNN yiyara, RPN, R-CNN yiyara, R-FCN.
Nọmba ti irawọ lori Github: 21
30. Python-iná
Eyi jẹ ile-ikawe fun ṣiṣẹda awọn CLI laifọwọyi (awọn atọkun laini aṣẹ) lati (eyikeyi) ohun elo Python. O tun gba ọ laaye lati ṣe agbekalẹ ati yokokoro koodu, bakannaa ṣayẹwo koodu ti o wa tẹlẹ tabi yi koodu elomiran pada sinu CLI kan. Ina Python jẹ ki o rọrun lati gbe laarin Bash ati Python, ati tun jẹ ki o rọrun lati lo REPL.
Nọmba ti irawọ lori Github: 15
31. Pylearn2
Pylearn2 jẹ ile-ikawe ikẹkọ ẹrọ ti a ṣe ni akọkọ lori oke Theano. Ibi-afẹde rẹ ni lati jẹ ki iwadii ML rọrun. Gba ọ laaye lati kọ awọn algoridimu tuntun ati awọn awoṣe.
Nọmba awọn irawọ lori Github: 2681
32. Matplotlib
jẹ ile-ikawe iyaworan 2D fun Python - o ṣe agbejade awọn atẹjade didara ni awọn ọna kika oriṣiriṣi.
Nọmba awọn irawọ lori Github: 10,072
33. Theano
Theano jẹ ile-ikawe kan fun ifọwọyi mathematiki ati awọn ikosile matrix. O tun jẹ olupilẹṣẹ iṣapeye. Theano nlo -bi sintasi fun sisọ awọn iṣiro ati ṣajọ wọn lati ṣiṣẹ lori Sipiyu tabi awọn faaji GPU. O jẹ ile-ikawe ikẹkọ ẹrọ Python orisun ṣiṣi ti a kọ sinu Python ati CUDA ati ṣiṣe lori Lainos, macOS ati Windows.
Nọmba ti irawọ fun : 8,922
34. Multidiff
Multidiff jẹ apẹrẹ lati jẹ ki data ti o da lori ẹrọ rọrun lati ni oye. O ṣe iranlọwọ fun ọ lati wo awọn iyatọ laarin nọmba nla ti awọn nkan nipa ṣiṣe awọn iyatọ laarin awọn ohun ti o baamu ati lẹhinna fifihan wọn. Iwoye yii n gba wa laaye lati wa awọn ilana ni awọn ilana ohun-ini tabi awọn ọna kika faili dani. O tun jẹ lilo ni akọkọ fun imọ-ẹrọ yiyipada ati itupalẹ data alakomeji.
Nọmba awọn irawọ lori Github: 262
35. Som-tsp
Ise agbese yii jẹ nipa lilo awọn maapu siseto ara ẹni lati yanju iṣoro onijaja irin-ajo. Lilo SOM, a wa awọn solusan ti o dara julọ si iṣoro TSP ati lo ọna kika .tsp fun eyi. TSP jẹ ẹya NP-pipe isoro ati ki o di increasingly soro lati yanju bi awọn nọmba ti ilu posi.
Nọmba awọn irawọ lori Github: 950
36. Fọto
Photon jẹ aṣayẹwo wẹẹbu ti o yara ni iyasọtọ ti a ṣe apẹrẹ fun OSINT. O le gba awọn URL pada, Awọn URL pẹlu awọn paramita, alaye Intel, awọn faili, awọn bọtini aṣiri, awọn faili JavaScript, awọn ibaamu ikosile deede, ati awọn subdomains. Alaye ti o jade le lẹhinna wa ni fipamọ ati gbejade ni ọna kika json. Photon jẹ rọ ati ọgbọn. O tun le ṣafikun diẹ ninu awọn afikun si rẹ.
Nọmba awọn irawọ lori Github: 5714
37. Social Mapper
Awujọ Awujọ jẹ ohun elo aworan maapu media awujọ ti o ni ibamu pẹlu awọn profaili nipa lilo idanimọ oju. O ṣe eyi lori awọn oju opo wẹẹbu lọpọlọpọ lori iwọn nla. Awujọ Mapper ṣe adaṣe adaṣe wiwa awọn orukọ ati awọn fọto lori media awujọ ati lẹhinna awọn igbiyanju lati tọka ati akojọpọ wiwa ẹnikan. Lẹhinna o ṣe agbejade ijabọ kan fun atunyẹwo eniyan. Eyi wulo ni ile-iṣẹ aabo (fun apẹẹrẹ, aṣiri-ararẹ). O ṣe atilẹyin LinkedIn, Facebook, Twitter, Google Plus, Instagram, VKontakte, Weibo ati awọn iru ẹrọ Douban.
Nọmba awọn irawọ lori Github: 2,396
38. Camelot
Camelot jẹ ile-ikawe Python ti o ṣe iranlọwọ fun ọ lati jade awọn tabili lati awọn faili PDF. O ṣiṣẹ pẹlu awọn faili PDF ọrọ, ṣugbọn kii ṣe awọn iwe aṣẹ ti ṣayẹwo. Nibi tabili kọọkan jẹ Pandas DataFrame. Ni afikun, o le okeere awọn tabili si .json, .xls, .html tabi .sqlite.
Nọmba awọn irawọ lori Github: 2415
39. Lector
Eleyi jẹ a Qt RSS fun kika e-iwe ohun. O ṣe atilẹyin .pdf, .epub, .djvu, .fb2, .mobi, .azw/.azw3/.azw4, .cbr/.cbz ati .md ọna kika faili. Lector ni ferese akọkọ, wiwo tabili, wiwo iwe kan, wiwo ti ko ni idamu, atilẹyin asọye, wiwo apanilerin, ati window eto kan. O tun ṣe atilẹyin awọn bukumaaki, lilọ kiri profaili, olootu metadata, ati iwe-itumọ ti a ṣe sinu.
Nọmba awọn irawọ lori Github: 835
40.m00dbot
Eyi jẹ bot Telegram kan fun ibanujẹ idanwo ara ẹni ati aibalẹ.
Nọmba awọn irawọ lori Github: 145
41. Manim
O jẹ ẹrọ ere idaraya fun ṣiṣe alaye awọn fidio iṣiro ti o le ṣee lo lati ṣẹda awọn ohun idanilaraya kongẹ ni eto. O nlo Python fun eyi.
Nọmba ti irawọ lori Github: 13
42. Douyin-Bot
Bot ti a kọ sinu Python fun ohun elo Tinder-like. Kóòdù lati China.
Nọmba awọn irawọ lori Github: 5,959
43. XSStrike
Eyi jẹ akojọpọ wiwa iwe afọwọkọ aaye-agbelebu pẹlu awọn parsers ọwọ kikọ mẹrin. O tun ṣe ẹya ẹrọ olupilẹṣẹ isanwo ti oye, ẹrọ iruju ti o lagbara, ati ẹrọ wiwa iyara ti iyalẹnu. Dipo ti abẹrẹ isanwo isanwo kan ati idanwo rẹ lati ṣiṣẹ bii gbogbo awọn irinṣẹ miiran, XSStrike ṣe idanimọ idahun nipa lilo awọn parsers pupọ ati lẹhinna ṣe ilana isanwo isanwo, eyiti o jẹ iṣeduro lati ṣiṣẹ nipa lilo itupalẹ ọrọ-ọrọ ti a ṣe sinu ẹrọ fuzzing.
Nọmba awọn irawọ lori Github: 7050
44. PythonRobotics
Ise agbese yii jẹ akojọpọ koodu ni Python robotics algorithms, bakanna bi awọn algoridimu lilọ kiri adase.
Nọmba awọn irawọ lori Github: 6,746
45. Google Images Download
Ṣe igbasilẹ Awọn aworan Google jẹ eto Python laini aṣẹ ti o wa Awọn aworan Google fun awọn koko-ọrọ ati gba awọn aworan fun ọ. O jẹ eto kekere ti ko si awọn igbẹkẹle ti o ba nilo lati gbejade awọn aworan 100 nikan fun Koko kọọkan.
Nọmba awọn irawọ lori Github: 5749
46. Trape
Gba ọ laaye lati ṣe atẹle ati ṣiṣẹ awọn ikọlu imọ-ẹrọ awujọ ti oye ni akoko gidi. Eyi ṣe iranlọwọ ṣafihan bii awọn ile-iṣẹ Intanẹẹti nla ṣe le gba alaye ifura ati iṣakoso awọn olumulo laisi imọ wọn. Trape tun le ṣe iranlọwọ lati tọpa awọn ọdaràn cyber.
Nọmba awọn irawọ lori Github: 4256
47. Xonsh
Xonsh jẹ laini aṣẹ Unix-gazing agbelebu-Syeed ati ede ikarahun ti o da lori Python. Eyi jẹ superset ti Python 3.5+ pẹlu awọn ipilẹṣẹ ikarahun afikun bii awọn ti a rii ni Bash ati IPython. Xonsh nṣiṣẹ lori Lainos, Max OS X, Windows ati awọn ọna ṣiṣe pataki miiran.
Nọmba awọn irawọ lori Github: 3426
48. GIF fun CLI
O nilo GIF tabi fidio kukuru tabi ibeere, ati ni lilo Tenor GIF API, o ti yipada si ayaworan ere idaraya ASCII. O nlo awọn ọna abayo ANSI fun ere idaraya ati awọ.
Nọmba awọn irawọ lori Github: 2,547
49. Aworan efe
Fa Eyi jẹ kamẹra Polaroid ti o le fa awọn aworan efe. O nlo nẹtiwọọki nkankikan fun idanimọ ohun, dataset Google Quickdraw, itẹwe gbona ati Rasipibẹri Pi kan. Iyara, Fa! jẹ ere Google kan ti o beere lọwọ awọn oṣere lati ya aworan ohun kan / imọran lẹhinna gbiyanju lati gboju ohun ti o duro ni kere ju 20 iṣẹju-aaya.
Nọmba awọn irawọ lori Github: 1760
50. Zulip
Zulip jẹ ohun elo iwiregbe ẹgbẹ kan ti o ṣiṣẹ ni akoko gidi ati pe o tun jẹ iṣelọpọ pẹlu awọn ibaraẹnisọrọ asapo pupọ. Ọpọlọpọ awọn ile-iṣẹ Fortune 500 ati awọn iṣẹ orisun ṣiṣi lo fun iwiregbe akoko gidi ti o le mu ẹgbẹẹgbẹrun awọn ifiranṣẹ fun ọjọ kan.
Nọmba awọn irawọ lori Github: 10,432
51. YouTube-dl
O jẹ eto laini aṣẹ ti o le ṣe igbasilẹ awọn fidio lati YouTube ati diẹ ninu awọn aaye miiran. O ti wa ni ko ti so si kan pato Syeed.
Nọmba ti irawọ lori Github: 55
52. O ṣeeṣe
O jẹ eto adaṣe IT ti o rọrun ti o le mu awọn iṣẹ wọnyi mu: iṣakoso iṣeto ni, imuṣiṣẹ ohun elo, ipese awọsanma, awọn iṣẹ ṣiṣe ad hoc, adaṣe nẹtiwọọki, ati orchestration pupọ-ojula.
Nọmba awọn irawọ lori Github: 39,443
53. HTTPie
HTTPie jẹ onibara HTTP laini aṣẹ. Eyi jẹ ki o rọrun fun CLI lati ṣe ajọṣepọ pẹlu awọn iṣẹ wẹẹbu. Fun aṣẹ http, o gba wa laaye lati firanṣẹ awọn ibeere HTTP lainidii pẹlu sintasi ti o rọrun, ati gba iṣelọpọ awọ. A le lo lati ṣe idanwo, yokokoro ati ibaraenisepo pẹlu awọn olupin HTTP.
Nọmba ti irawọ lori Github: 43
54. Tornado Web Server
O jẹ ilana wẹẹbu kan, ile-ikawe Nẹtiwọọki asynchronous fun Python. O nlo nẹtiwọki I/O ti kii ṣe idinamọ lati ṣe iwọn si ẹgbẹẹgbẹrun awọn asopọ ṣiṣi. Eleyi mu ki o kan ti o dara wun fun gun ibeere ati WebSockets.
Nọmba ti irawọ lori Github: 18
55. Awọn ibeere
Awọn ibeere jẹ ile-ikawe ti o jẹ ki o rọrun lati firanṣẹ awọn ibeere HTTP/1.1. O ko ni lati fi awọn paramita kun pẹlu ọwọ si awọn URL tabi koodu PUT ati POST data.
Nọmba ti irawọ lori Github: 40
56. Scrapy
Scrapy jẹ ilana jijoko wẹẹbu ti o yara, ipele giga - o le lo lati pa awọn oju opo wẹẹbu lati yọkuro data ti a ṣeto. O tun le lo fun itupalẹ data, ibojuwo ati idanwo adaṣe.
Nọmba awọn irawọ lori Github: 34,493
orisun: www.habr.com