很多小伙伴都不会在家里或者办公室安装网络摄像头或监视摄像头。但是有时，大家又希望能够随时随地观看视频直播。
选自Medium 机器之心编译 参与：侯韵楚、李泽南 神经网络在图像处理中应用广泛，但经常面临难以调整参数的问题。最近，来自 Merantix 的 Ryan Henderson（博士毕业于康奈尔大学）等人发布了一个免费开源的卷积神经网络可视化工具，让我们可以方便地观察神经网络在图像中的焦点，为模型优化提供了帮助。 Github（运行环境-Python3.5 或以上）：https://github.com/merantix/picasso arXiv-Picasso：https://arxiv.org/abs
Python是当下最火的编程语言之一，在GitHub上有大量热门开源项目，近日开源众包平台IssueHunt评选出了2018年GitHub上最流行的50个Python开源项目如下：
本文将帮助你了解如何快速在 Elastic 中实施图像相似度搜索。你仅需要：要创建应用程序环境，然后导入 NLP 模型，最后针对您的图像集完成嵌入的生成工作。就这么简单！
在使用Python编程时，有时候我们可能会遇到ModuleNotFoundError异常，错误信息显示为No module named 'config'。这种错误通常发生在我们尝试导入一个指定的模块时，但Python解释器无法找到该模块。
一直想开发一个完整的机器学习应用程序，将有一个UI来输入一些输入和机器学习模型来预测这些值。上周做到了这一点。在这个过程中，在React和Flask中创建了一个易于使用的模板，任何人都可以在几分钟内修改创建自己的应用程序。
我们已经到达了本文最受期待的部分 - 构建模型！这就是我们大多数人首先进入数据科学领域的原因，不是吗？
【磐创AI导读】：本系列文章为大家总结了24个热门的python库，查看上篇。想要获取更多的机器学习、深度学习资源，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。一文总结数据科学家常用的Python库（上）
现代无状态应用程序的构建和设计可在Docker等软件容器中运行，并由Kubernetes等容器集群管理。它们使用Cloud Native和Twelve Factor原则和模式开发，以最大限度地减少人工干预并最大限度地提高可移植性和冗余性。将基于虚拟机或基于裸机的应用程序迁移到容器（称为“容器化”）并在集群内部署这些应用程序通常会导致这些应用程序的构建，打包和交付方式发生重大变化。
欢迎来到《Python技术周刊》这是第8期,每周六发布,让我们直接进入本周的内容。由于微信不允许外部链接,你需要点击页尾左下角”阅读原文“,才能访问文中的链接。
除了发现隐藏在大量数据中的有洞察力的趋势和模式之外，还有什么比这更有趣？能够轻松地与同事和其他业务团队共享并向他们解释！新的Cloudera 的机器学习（ CML ） 1.2 ，我们非常高兴地宣布托管持久的基于Web的应用程序和使用Flash、仪表板和Shiny到共享分析结果及洞察力与企业利益相关者框架仪表盘的支持。跟随本文中的演示，立即开始使用CML的新分析应用程序功能获得更多乐趣。（注意：CDSW 1.7中也提供此功能）。
当涉及到社交媒体的健康运行时，图像分类是一个关键点。根据特定标签对内容进行分类可以代替各种法律法规。它变得很重要，以便对特定的受众群体隐藏内容。
在过去的几章中，我们已经构建了许多对我们的项目至关重要的系统。我们开始加载数据，构建和改进结节候选的分类器，训练分割模型以找到这些候选，处理训练和评估这些模型所需的支持基础设施，并开始将我们的训练结果保存到磁盘。现在是时候将我们拥有的组件统一起来，以便实现我们项目的完整目标：是时候自动检测癌症了。
为了提高效率，我们在平时工作中常会用到一些Python的效率工具，Python作为比较老的编程语言，它可以实现日常工作的各种自动化。为了更便利的开发项目，这里给大家推荐几个Python的效率工具。
1. NumPy - 数值计算扩展库。提供高效的多维数组对象和用于处理这些数组的工具。http://www.numpy.org/2. SciPy - 科学计算库。构建在NumPy之上,用于科学与技术计算。https://www.scipy.org/3. Pandas - 数据分析与操作库。提供高性能易用的数据结构和数据分析工具。http://pandas.pydata.org/4. Matplotlib - 数据可视化库。产生 Publication quality figures。http://matplotlib.org/5. Scikit-learn - 机器学习库。用于数据挖掘和数据分析。http://scikit-learn.org/stable/6. TensorFlow - 深度学习库。由谷歌开源,用于机器学习,深度神经网络与人工智能。http://tensorflow.org7. Django - Web框架。提供开发Web应用的骨架。https://www.djangoproject.com/8. Flask - 微型Web框架。提供Werkzeug、Jinja2等高质量成功的库集成。http://flask.pocoo.org/9. Scrapy - 网络爬虫框架。用于进行网络爬取,提供操作各种网站的能力和工具。https://scrapy.org/10. BeautifulSoup - HTML/XML解析库。提供解析器,用于从HTML和XML文件中提取数据。https://www.crummy.com/software/BeautifulSoup/
为什么Python被大家当作是作为入门的第一语言？不仅是因为它简单易学，还有一个原因就是：市面上有着大量开箱即用的第三方库，正是23万个由用户提供的软件包使得Python真正强大和流行。
•XlsxWriter-操作Excel工作表的文字，数字，公式，图表等•win32com-有关Windows系统操作、Office（Word、Excel等）文件读写等的综合应用库•pymysql-操作MySQL数据库•pymongo-把数据写入MongoDB•smtplib-发送电子邮件模块•selenium-一个调用浏览器的driver，通过这个库可以直接调用浏览器完成某些操作，比如输入验证码，常用来进行浏览器的自动化工作。•pdfminer-一个可以从PDF文档中提取各类信息的第三方库。与其他PDF相关的工具不同，它能够完全获取并分析 P D F 的文本数据•PyPDF2-一个能够分割、合并和转换PDF页面的库。•openpyxl- 一个处理Microsoft Excel文档的Python第三方库，它支持读写Excel的xls、xlsx、xlsm、xltx、xltm。•python-docx-一个处理Microsoft Word文档的Python第三方库，它支持读取、查询以及修改doc、docx等格式文件，并能够对Word常见样式进行编程设置。
个人博客纯净版：https://www.fangzhipeng.com/docker/2018/09/11/dokcer-trans2.html
网站框架将帮助你创建基于Python的服务器端代码（后端代码），这些代码将在你的服务器上运行，与用户的设备和浏览器截然相反（前端代码）。像Django和Flask这样基于Python网站框架最近在网页开发中变得流行起来。
为了提高效率，我们在平时工作中常会用到一些Python的效率工具，Python可以实现日常工作的各种自动化。
很多开发者用自己的电脑开发，然后将程序部署在内网。如果内网无法访问互联网，部署就相当麻烦，你需要将应用程序依赖的包也传输到内网。如果是 Python 应用，还需要使用 pip 安装一下依赖包，对于某些需要编译安装包，windows 环境下安装过程中还可能报错，linux 可能提示缺失必要的头文件等，安装这些依赖包会耗费较多的时间，对自己的技术提升其实没有帮助，是要尽可能避免的。
对于动漫，大家一定都不陌生，小编周围的不少单身码农都是动漫迷。小编也是一个资深动漫迷，动漫里面有好多漂亮的小姐姐，比如斗破苍穹的美杜莎，云韵，萧薰儿，天行九歌里面紫女，焰灵姬。当然女孩也有自己的动漫情怀，部门里面还有小姐姐喜欢cosplay呢~~
Flutter安装包中会包含代码和assets (资源)两部分，其中 assets 是会打包到程序安装包中，可以运行时访问，常见的 assets 类型包括静态数据(json文件)，配置文件，图标和图片等。
Selenium是一个Web测试自动化框架，最初是为软件测试人员创建的。它提供了Web驱动程序API，供浏览器与用户操作交互并返回响应。它运行时会直接实例化出一个浏览器，完全模拟用户的操作，比如点击链接、输入表单，点击按钮提交等。所以我们使用它可以很方便的来登录网站和爬取数据。
最近汇总了平时常用到的9个很好的Python工具，它们能极大的提高我们的工作效率，安装它们，然后逐步熟练使用它们。若有用，可以收藏这篇文章。
构建既可扩展又引人入胜的现代 Web 应用程序需要使用相关技术。ReactJS和Flask是两个流行的框架，分别用于前端和后端开发。
Ubuntu 20.04随附Python 3.8。 您可以通过键入以下内容来验证系统上是否安装了Python：
Flask是一个Python Web应用程序框架，它提供了一个简单的方式来构建Web应用程序，而且非常容易上手。在Flask中，路由是决定哪个URL请求应该由哪个函数处理的方法。这个过程由视图函数完成，它们是用于处理请求并返回响应的函数。
微服务是用于构建大规模应用程序的越来越流行的体系结构。应用程序不是使用单一的单一代码库，而是分解为一组称为微服务的较小组件。这种方法提供了多种好处，包括扩展单个微服务的能力，使代码库更易于理解和测试，以及为每个微服务使用不同的编程语言，数据库和其他工具。
Jinja2模板语言支持多种过滤器，用于处理模板中的变量。过滤器可以对变量进行格式化、截取、转换等操作。下面是一些常用的Jinja2模板过滤器：
最近汇总了平时常用到的9个很好的Python包，它们能极大的提高我们的工作效率，安装它们，然后逐步熟练使用它们。 若有用，可以收藏这篇文章。 1 Faker生成假数据 你若还在为生成名字、地址、IP地址而发愁，试试Faker库吧。 它是专业生成假数据的神器，但生成的数据看起来又如此“不假”。 基本用法如下所示： from faker import Faker fake = Faker(locale="zh_CN") fake.name() # '谭柳' fake.address() #
今天突然遇到一个比较全面的 python的框架的列表，分享一下。 http://www.cnblogs.com/lonenysky/p/4780300.html
事实上，很多应用程序基于插件式结构开发，可以很方便了扩展软件的功能，并且这些功能完全可以依托于第三方开发者，只要提供好接口和完备文档，比如wordpress、谷歌火狐浏览器等。
针对于特定问题（例如自然语言处理，即 NLP，或图像识别）的深度学习模型开发、训练和调参，需要耗费时间与资源。这通常还包括使用功能强大的处理器来训练大型数据集上的模型。然而，一旦模型成功运作，彼时使用它来对新数据生成预测就会更简单，计算成本也会更低。当下唯一的困难是将模型从其开发环境转移到应用程序产品中。
如果您想在很短的时间内使用Python构建web应用程序，那么Flask是一个非常好的选择。Flask是一个小而强大的web框架。它也很容易学习和简单的代码。
选自pyimagesearch 作者：Adrian Rosebrock 机器之心编译 参与：Jane W、黄小天 本文介绍了如何使用 Keras、Redis、Flask 和 Apache 将自己的深度学习模型迁移到生产环境。文中的大多数工具可以互换，比如 Keras 可替换成 TensorFlow 或 PyTorch，Django 可代替 Flask，Nginx 可代替 Apache。作者唯一不推荐替换的工具是 Redis。同时本文还对深度学习 REST API 进行了压力测试，这种方法可以轻松扩展到添加的
欢迎来到《Python技术周刊》这是第12期,每周六发布,让我们直接进入本周的内容。由于微信不允许外部链接,你需要点击页尾左下角”阅读原文“,才能访问文中的链接。
去年秋天，Python 软件基金会和 JetBrains（捷克的软件开发公司，Python语言编辑器 PyCharm 的开发公司）共同开展了对 Python 开发人员的调查，最终收集了 150 多个国家与地区的 2.4 万名开发者的调查问卷，并得出如下报告。
今天为大家介绍的是来自Christoph Steinbeck团队的一篇论文。近几十年来，描述化学结构的出版物数量稳步增加。然而，目前大多数已发布的化学信息并未以机器可读的形式出现在公共数据库中。自动化信息提取的过程仍然是一个挑战，需要减少手动干预，特别是在挖掘化学结构图时。作为一个开源平台，DECIMER.ai（Deep lEarning for Chemical IMagE Recognition）充分利用了深度学习、计算机视觉和自然语言处理的最新进展，旨在自动分割、分类和翻译印刷文献中的化学结构图。
是不是足够可以以假乱真了！这样的视频用一款实时视频仿真软件 Face2Face 就可以达到，在软件中输入一个说话的人脸录像，通过算法生成对应的人脸模型，套用这个模型就可以创造 DeepFakes。最恐怖的是，这个逼真的效果看起来毫无违和感。
对于数据科学项目来说，我们一直都很关注模型的训练和表现，但是在实际工作中如何启动和运行我们的模型是模型上线的最后一步也是最重要的工作。
Flask是一个轻量级的Web框架，用于构建简单而灵活的Web应用程序。它基于Python语言，易于学习和使用，适用于从小型项目到大型应用程序的各种场景。本教程将引导你逐步学习如何使用Flask构建一个基本的Web应用程序。
python可以做很多事情，虽然它的强项在于进行向量运算和机器学习、深度学习等方面。但是在某些时候，我们仍然需要使用python对外提供web服务。
以下操作均在 windows 环境下进行，我使用的 Python 版本是 3.7.1
Flask是一个用Python编写的Web应用程序框架。Flask基于Werkzeug（WSGI工具包）和Jinja2模板引擎。
对于机器学习和人工智能研究人员而言，好多人都只是构建好模型后就没有进一步处理了，停留在一个比较粗糙的模型上面，没有将其变成一个产品，其实好多创业型人工智能公司都是设计好模型后，将其转化成产品，之后再推向市场。每一个深度学习研究者心中或多或少都想成为一名创业者，但不知道超哪个方向发展。那么，本文将从最简单的网页应用开始，一步一步带领你使用TensorFlow创建一个卷积神经网络（CNN）模型后，使用Flash RESTful API将模型变成一个网页应用产品。 本文使用TensorFlow NN模块构建CNN模型，并在CIFAR-10数据集上进行训练和测试。为了使模型可以远程访问，使用Python创建Flask web应用来接收上传的图像，并使用HTTP返回其分类标签。
剧透：这篇文章是一个手把手的入门教程，所以准备好一杯茶和一张舒服的板凳，让我们开始创建一些容器吧。今天我们将学习Docker的基础知识，学习如何构建、运行和删除容器。
如果你是一名数据科学家或数据分析师，或者只是对这一行当感兴趣，你都应该了解下文中这些广受欢迎且非常实用的Python库。
领取专属 10元无门槛券
手把手带您无忧上云
