今天我们来盘点一下有哪些用于深度学习、自然语言处理和计算机视觉的顶级Python库。
我尽力将每个库按预期的使用情况进行归类，所有包含的库都有对应的Github代码仓库，我还列出每个库的在Github上的收藏(Stars) ，提交(Commits )，贡献者(Contributors)的数据，这在一定程度上反映了库的流行度和使用情况。
推荐文章
- 有人把吴恩达老师的机器学习和深度学习做成了中文版
- 上瘾了，最近又给公司撸了一个可视化大屏(附源码)
- 如此优雅，4款 Python 自动数据分析神器真香啊
- 梳理半月有余，精心准备了17张知识思维导图，这次要讲清统计学
- 年终汇总：20份可视化大屏模板，直接套用真香(文末附源码)
接着让我们分别来看看这些库吧。 喜欢记得收藏、关注、点赞。
深度学习
1. TensorFlow
收藏: 149000, 提交: 97741, 贡献者: 2754
TensorFlow是一个用于机器学习的端到端开源平台。它有一个全面的、灵活的工具、库和社区资源的生态系统，让研究人员推动机器学习的最先进技术，让开发人员轻松建立和部署机器学习驱动的应用程序。
2. Keras
收藏: 50000, 提交: 5349, 贡献者：864
Keras是一个用Python编写的深度学习API，运行在机器学习平台TensorFlow的基础上。
3. PyTorch
收藏: 43200, 提交: 30696, 贡献者：1619
Python中的张量和动态神经网络，具有强大的GPU加速能力
4. fastai
收藏: 19800, 提交: 1450, 贡献者: 607
fastai使用现代最佳实践简化了快速、准确的神经网络训练。
5. PyTorch Lightning
收藏: 9600, 提交: 3594, 贡献者：317
用于高性能人工智能研究的轻量级PyTorch封装。
6. JAX
收藏: 10000, 提交: 5708, 贡献者：221
Python+NumPy程序的可组合转换：区分、矢量化、JIT到GPU/TPU等
7. MXNet
收藏: 19100, 提交: 11387, 贡献者: 839
轻量级、便携、灵活的分布式、移动式深度学习，具有动态、突变意识的数据流调度器；适用于Python、R、Julia、Scala、Go、Javascript等。
8. Ignite
收藏: 3100, 提交: 747, 贡献者: 112
帮助PyTorch中的神经网络灵活透明地进行训练和评估的高级库。
自然语言处理(NLP)
9. FastText
收藏: 21700, 提交: 379, 贡献者：47
FastText是一个用于高效学习单词表示法和句子分类的库。
10. spaCy
收藏: 17400, 提交: 11628, 贡献者: 482
使用Python和Cython的强大自然语言处理。
11. gensim
收藏: 11200, 提交: 4024, 贡献者: 361
用于主题建模、文档索引和大型语料库相似度检索的Python库。目标受众是自然语言处理和信息检索社区。
12. NLTK
收藏：9300，提交：13990，贡献者：319
开源的Python模块、数据集和教程，支持自然语言处理方面的研究和开发。
13. Datasets (Huggingface开发)
收藏：4300，提交：568，贡献者：64
在PyTorch、TensorFlow、NumPy和Pandas中为自然语言处理等提供快速、高效、开放的数据集和评估指标。
14. Tokenizers（Huggingface开发）
收藏：3800，提交：1252，贡献者：30
为研究和生产而优化的最先进快速标记器
15. Transformers（Huggingface开发）
收藏：3500，提交：5480，贡献者：585
用于Pytorch和TensorFlow 2.0的最先进的自然语言处理。
16. Stanza
收藏：4800，提交：1514，贡献者：19
用于许多人类语言的斯坦福自然语言Python官方库
17. TextBlob
收藏：7300，提交：542，贡献者：24
简单、Python式的、具有文本处理—情绪分析、词性标注、名词短语提取、翻译等等功能。
18. PyTorch NLP
收藏：1800人，提交：442人，贡献者：15人
用于PyTorch自然语言处理的基本工具
19. Textacy
收藏：1500人，提交：1324人，贡献者：23人
用于执行各种自然语言处理任务的Python库，建立在高性能spaCy库的基础上。
20. Finetune
收藏: 626, 提交: 1405, 贡献者: 13
允许用户利用最先进的预训练的自然语言处理模型来完成各种下游任务。
21. TextHero
收藏: 1900, 提交: 266, 贡献者: 17
从头开始，数量用于文本预处理、表示和可视化。
22. Spark NLP
收藏: 1700, 提交: 4363, 贡献者：50
Spark NLP是一个建立在Apache Spark ML之上的自然语言处理库。
23. GluonNLP
收藏: 2200, 提交: 712, 贡献者: 72
GluonNLP是一个工具包，可以轻松实现文本预处理、数据集加载和神经模型构建，帮助你加快自然语言处理（NLP）研究。
计算机视觉
24. Pillow
收藏：7800，提交：10799，贡献者：303
Pillow是很不错的Python成像库分叉。
25. OpenCV
收藏：49600，提交：29453，贡献者：1234
开源计算机视觉库
26. scikit-image
收藏：4000，提交：12352，贡献者：403
Python中的图像处理
27. Mahotas
收藏：644人，提交：1273人，贡献者：25人
快速计算机视觉算法库（为了提高速度，全部用C++实现），在numpy数组上运行。
28. Simple-CV
收藏：2400人，提交：2625人，贡献者：69人
开源机器视觉框架，使用OpenCV和Python编程语言。
29. GluonCV
收藏：4300，提交：774，贡献者：101
提供了计算机视觉中最先进的（SOTA）深度学习模型的实现。
30. Torchvision
收藏：7500，提交：1286，贡献者：334
软件包包括流行的数据集、模型架构和用于计算机视觉的常见图像转换。
结语
以上就是30个你值得了解的用于深度学习、自然语言处理和计算机视觉的顶级Python库，希望能对你有所帮助。
技术交流
欢迎转载、收藏、有所收获点赞支持一下！
目前开通了技术交流群，群友已超过 2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友
- 方式①、发送如下图片至微信，长按识别，后台回复：加群；
- 方式②、添加微信号： dkl88191，备注：来自CSDN
- 方式③、微信搜索公众号： Python学习与数据挖掘，后台回复：加群
Original: https://blog.csdn.net/weixin_38037405/article/details/123158077
Author: 我爱Python数据挖掘
Title: 深度盘点：30个用于深度学习、自然语言处理和计算机视觉的顶级 Python 库
相关阅读
Title: IMU使用系列------imu_util标定imu的方法及wait for imu data 的bug解决
该篇参考港科大的github: https://github.com/gaowenliang/imu_utils
https://blog.csdn.net/fang794735225/article/details/92804030
sudo apt-get install libdw-dev
code_utils下载地址为： https://github.com/gaowenliang/code_utils
也有整合成一个仓库的： https://gitcode.net/mirrors/gaowenliang/imu_utils?utm_source=csdn_github_accelerator
在编译之前我们先注意三个问题，避免入坑
（1）全局安装ceres库，code_imu依赖ceres。
（2）不要同时把imu_utils和code_utils一起放到src下进行编译。
由于imu_utils 依赖 code_utils，所以先把code_utils放在工作空间的src下面，进行编译。然后再将imu_utils放到src下面，再编译。
否则会报如下错误：
Could not find a package configuration file provided by "code_utils" with
any of the following names:
code_utilsConfig.cmake
code_utils-config.cmake
Add the installation prefix of "code_utils" to CMAKE_PREFIX_PATH or set
"code_utils_DIR" to a directory containing one of the above files. If "code_utils" provides a separate development package
or SDK, be sure it has been installed.
（3）编译报错：
code_utils-master/src/sumpixel_test.cpp:2:24: fatal error: backward.hpp:No such file or directory
填坑： 在code_utils下面找到sumpixel_test.cpp，修改#include "backward.hpp"为 #include "code_utils/backward.hpp"，再编译。
cd catkin_ws
catkin_make
编译成功以后，再把imu_utils放到工作空间的src下面，进行编译。
cd catkin_ws
catkin_make
4.录制imu.bag
让IMU静止不动两个小时，录制IMU的bag.
cd MYNT-EYE-D-SDK
source wrappers/ros/devel/setup.bash
roslaunch mynteye_wrapper_d display.launch
rosbag record /mynteye/imu/data_raw -O imu.bag
两个小时以后按Ctrl+C完成录制。
rosbag play -r 200 imu_utils/imu.bag (这里要写你录制的包的路径)
cd imu_ws
source ./devel/setup.bash
roslaunch imu_utils mynt_imu.launch
注意这里的launch文件,我用的是小觅相机，所以imu.launch的内容为：
<launch>
<node pkg="imu_utils" type="imu_an" name="imu_an" output="screen">
<param name="imu_topic" type="string" value= "/mynteye/imu/data_raw"/>
<param name="imu_name" type="string" value= "mynteye"/>
<param name="data_save_path" type="string" value= "$(find imu_utils)/data/"/>
<param name="max_time_min" type="int" value= "１２０"/>
<param name="max_cluster" type="int" value= "100"/>
</node>
</launch>
运行完之后，会在imu_utils/data文件夹下生产多个txt文件。
利用MATLAB和这几个txt文件便可以画出了Allan方差图
sudo /usr/local/MATLAB/R2016b/bin/matlab #需要用sudo,不然一直卡在启动界面
打开draw_allan.m，并对里面的文件路径进行修改，便可画出Allan方差图了。
wait for imu data.
Original: https://blog.csdn.net/weixin_43135184/article/details/123444090
Author: ParkerPan
Title: IMU使用系列------imu_util标定imu的方法及wait for imu data 的bug解决