有没有比较好的记录深度学习或机器学习结果的python包推荐?
1.Weight & Biases
https://wandb.ai/site/experiment-tracking
2.Neptune
https://neptune.ai/product
可以了解下
在回答这个问题前,我们首先要了解下深度学习和机器学习算法会用到什么
深度学习算法用到:反向传播算法、FNN(前馈神经网络)、CNN (卷积神经网络)、RBM (受限玻尔兹曼机)、AE (自动编码器)、SC (稀疏编码)、RNN (循环神经网络)、递归神经网络、生成对抗网络(GAN)
常用的深度学习软件包:pytorch、tensorflow、 scikit-learn、pandas、matplotlib、jupyter notebook、gensim、networkx、seaborn
机器学习算法用到:机器学习新手可以选择以下算法软件:线性回归、逻辑回归、线性判别分析、分类和回归树、朴素贝叶斯、K-近邻算法、学习向量量化、支持向量机、Bagging和随机森林、Boosting和AdaBoost。
常用的机器学习软件包:Numpy、Pandas、Scikit-learn、Hyperopt、LightGBM、XGBoost、Gensim、NLTK、Pytorch、Tensorflow、Keras
【查找相关颇多文献,整合的结果,期望对你学习有所帮助】
博主参考下面的链接
【机器学习和深度学习,前沿论文和代码在哪能找到?学姐给你指点迷津!-哔哩哔哩】 https://b23.tv/aNRjnZC
常用分词工具jieba,自然语言处理常见任务工具集合包ltp, pyhanlp,numpy常用的矩阵运算, sklearn 非常常见的第三方机器学习库, pandas常用将文本转为dataFrame的工具,jionlp开源项目时间、日期、地址提取做的也不错,pycorrector开源的纠错工具。
附:
机器学习/深度学习
Caffe: Caffe 的 Python 接口
Caffe2:一个轻量级的、模块化的,可扩展的深度学习框架
Crab:灵活、快速的推荐引擎
gensim:人性化的话题建模库
hebel:深度学习库
keras: 神经网络
MXNet:高效灵活的深度学习框架
NuPIC:智能计算 Numenta 平台
pattern:网络挖掘模块
PyBrain:机器学习库
pydeep:深度学习库
Pylearn2:基于 Theano 的机器学习库
python-recsys:用来实现推荐系统的库
Pytorch:具有张量和动态神经网络深度学习框架
scikit-learn:基于 SciPy 构建的机器学习模块
skflow:一个 TensorFlow 的简化接口
TensorFlow:谷歌开源的最受欢迎的深度学习框架
Theano:快速数值计算库
vowpalporpoise:轻量级 Vowpal Wabbit 的封装
Milk:机器学习工具箱
PyMVPA(Multivariate Pattern Analysis in Python):为大数据集提供统计学习分析的 Python 工具包,它提供了一个灵活可扩展的框架
等等
工具包Tools——LearningRateHistory学习率记录
工具包Tools——LossHistory损失记录
工具包Tools——SaveWeights生成权重
推荐看一下“沐枫8023”这位博主的文章,有详细的介绍
深度学习也分很多,虽然都是cnn类型但是也分为动态预测、静态图像、声音等。动态预测的pytorch、静态的如图片的深度学习halcon,vm、声音的也是将声音提取梅尔普图,并根据振幅状态行程图片模式的深度学习。
FeatureTools
它是用于自动功能工程的python库。
numpy
Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)),支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库
pandas
是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。
matplotlib.pyplot
提供了一个类似MATLAB的绘图框架。支持 Python 语言
Scikit-Learn
是Python的第三方模块,它是机器学习领域中知名的Python模块之一,它对常用的机器学习算法进行了封装,包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classification)和聚类(Clustering)四大机器学习算法。
取aistudio 学习一下