2021年11月份Github上熱門Python開源項目排行
2021年11月份Github上熱門Python開源項目排行
資料來源: https://mp.weixin.qq.com/s/dn8yx4akIM5LSI2pcbenxg
01.OSX-KVM ~ https://github.com/kholia/OSX-KVM Star 12755
在 KVM+ QEMU 上運行 Mac OS X10.11.6 El Capitan 。主系統詳細資訊:
在 i5-6500 CPU 上運行 Ubuntu 15.10
在 i5-6500 CPU 上運行 Fedora 24
與 QEMU 2.4.1 和 QEMU 2.5 進行測試
02.d2l-zh ~ https://github.com/d2l-ai/d2l-zh Star 28469
《動手學深度學習》:面向中文讀者、能運行、可討論。中英文版被全球200所大學採用教學。
03.deep-learning-for-image-processing ~ https://github.com/WZMIAOMIAO/deep-learning-for-image-processing Star 5573
該用於影像處理的深度學習,包括分類和對象檢測等。
04.GFPGAN ~ https://github.com/TencentARC/GFPGAN Star 4421
GFPGAN 是騰訊開源的人臉修復演算法,它利用預先訓練好的面部 GAN(如 StyleGAN2)中封裝的豐富和多樣的先驗因素進行盲臉 (blind face) 修復,旨在開發用於現實世界人臉修復的實用演算法。
GFPGAN 利用豐富多樣的生成面部,然後在面部恢復中創建真實性和保真度的良好平衡。這是通過通道分割空間特徵變換層實現的,能夠在真實世界圖像的準確性和泛化方面超越所有其他方法。
05.gym ~ https://github.com/openai/gym Star 25850
Gym是一個開源Python庫,通過提供標準 API 來在學習演算法和環境之間進行通信,以及符合該API的標準環境集,用於開發和比較強化學習演算法。
06.insightface ~ https://github.com/deepinsight/insightface Star 10784
InsightFace是一個2D/3D人臉分析項目。在此存儲庫中,提供了用於深度識別的訓練資料,網路設置和損失設計。訓練資料包括標準化的MS1M,VGG2和CASIA-Webface資料集,這些資料集已經以MXNet二進位格式打包。網路主幹包括ResNet,MobilefaceNet,MobileNet,InceptionResNet_v2,DenseNet,DPN。損失函數包括Softmax,SphereFace,CosineFace,ArcFace和Triplet(Euclidean / Angular)Loss。
07.mmdetection ~ https://github.com/open-mmlab/mmdetection Star 17467
mmdetection 是一個基於 PyTorch 的開源物件檢測工具箱,它提供了已公開發表的多種視覺檢測核心模組,通過這些模組的組合,可以迅速搭建出各種著名的檢測框架。
08.freqtrade ~ https://github.com/freqtrade/freqtrade Star 13907
Freqtrade是一個用Python 編寫的免費開源加密貨幣交易機器人。它旨在支持所有主要交易所並通過Telegram 進行控制。它包含回測、繪圖和資金管理工具以及通過機器學習進行的策略優化。支持 Windows、macOS和Linux。
09.Python-100-Days ~ https://github.com/jackfrued/Python-100-Days Star 112779
Python – 100天從新手到大師 [教程/電子書 類PDF]
10.Cura ~ https://github.com/Ultimaker/Cura Star 3370
Cura 是一個基於 Android 平臺的移動應用,提供遠端系統管理工具包。提供個人終端模擬器,可方便進行遠端系統的管理。
11.fastapi ~ https://github.com/tiangolo/fastapi Star 38408
FastAPI 是一個高性能 Web 框架,用於構建 API。主要特性:
快速:非常高的性能,與 NodeJS 和 Go 相當
快速編碼:將功能開發速度提高約 200% 至 300%
更少的錯誤:減少約 40% 的人為錯誤
直觀:強大的編輯器支援,自動補全無處不在,調試時間更少
簡易:旨在易於使用和學習,減少閱讀文檔的時間。
簡短:減少代碼重複。
穩健:獲取可用於生產環境的代碼,具有自動互動式文檔
基於標準:基於並完全相容 API 的開放標準 OpenAPI 和 JSON Schema