标签：transformer 15 Python 错过 学习 API 使用 spaCy
Python 是最流行和使用最广泛的 编程语言 之一，它已经超越了业界许多编程语言，名列前茅。它在开发人员中流行的原因有很多，最重要的一点就是它有大量的库供用户使用。Python 的易用性、灵活性吸引了许多开发人员为机器学习创建新的库。有一个库大家必都会介绍，就是TensorFlow，这里就不多说了。那么，以下就是今日份干货，大家有什么自己最喜欢的库也可以在评论中留言分享~
1.Keras
Keras是由python编写的机器学习API，其运行在机器学习的顶级平台TensorFlow上。好处在于可以很快地实现网络模型的搭建，数据输入输出也很方便，让你可以专注于网络模型本身，适合新手。最大缺点就是慢！作为高层API，推理速度等等肯定没tf，mxnet那些快。
- PyTorch
它的特点：处理N维度张量，和numpy类似，但是可以在GPU上运行。支持自动 微分 来构建和训练大型的神经网络。
- fastai
用过的都说好，通过利用当下最佳的技术实践，fastai极快地简化了训练过程也加速了神经网络。只要一个API就包含了几乎所有常见的深度学习应用。
- JAX
Jax 是 Autograd 和 XLA 的结合用来提供高性能机器学习研究。作为 Autograd 的更新版本，JAX 可以自动微分原生 Python 和 Numpy 函数。可通过 loops、branches、recursion 和 closures，进行微分，并且能够对导数的导数 求导 。支持反向模式微分通过 grad。
- FastText
它是一个可以让你高效学习单词表意和句子分类的库。
- spaCy
spaCy v3.0具有所有新的基于transformer的管道，让spaCy的准确率达到SOTA。你可以使用任意预训练transformer来训练你自己的管道，也可以在多组件和多任务之间共享transformer。spaCy的transformer支持与PyTorch和HuggingFace transformers库的集成，在管道中可以访问许多预训练模型。
- gensim
它通过使用大型语料库进行主题建模、文档索引和相似性检索。目标受众是自然语言处理（NLP）和信息检索（IR）社区。
- NLTK
它是自然语言工具箱，是一整套针对自然语言处理研究和开发的开源Python模块、数据集和教程。
- TextBlob
简单，Python风格，是一个用于处理文本数据的库。它为潜入常见的自然语言处理（NLP）任务提供了一个简单的API，例如词性标注，名词短语提取，情感分析，分类，翻译等。
- Pillow
它是个对用户十分友好的PIL分支。PIL是Python图像库。
- OpenCV
开源计算机视觉库。
12.LightGBM
它可以帮助开发人员使用重新定义的基本模型，即决策树来构建新的算法。LightGBM 的特点：计算速度快、生产效率高、直观、易于使用。这个库提供了高度可扩展、优化和快速的梯度增强实现，这使它在机器学习开发者中很流行。
13.Pandas
Pandas是Python中的一个机器学习库，它提供高级的数据结构和各种各样的分析工具。主要是能够使用一个或两个命令转换复杂的数据操作。它还有许多内置的分组、数据组合、过滤和时间序列功能的函数。当和其他库一起使用时，Pandas保证了高性能和良好的灵活性。
14…Numpy
数组接口是 Numpy 的最佳特性。它非常容易理解和使用，让复杂的数学实现变得非常简单。广泛使用，因此有很多开源贡献者。该接口可用于将图像、声音和其他二进制原始流表示为 n 维实数数组。
15.Click
Click的开发初衷就是使用最少的代码，以一种可组合的方式创建漂亮的命令行接口。它的目的是使编写命令行工具的过程快速而有趣，同时防止由于无法实现预期的CLI API而导致的任何问题。主要有三个特点：命令的任意嵌套、自动帮助页面生成、支持在运行时延迟加载子命令。
好啦，以上就是关于在Python中安装matplotlib库的全部内容哦，相信大家已经学会如何安装matplotlib库并进行查看其文档的操作了哦，好啦，今天咱们就聊到这吧，下次再见哦！[再见]
**敬请关注“python文泽”，为您带来意外的小收获！ **[比心][握手][比心]
标签：transformer,15,Python,错过,学习,API,使用,spaCy 来源： https://blog.csdn.net/python_9988/article/details/111300644
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。