ディープラーニング、NLP、コンピュータービジョン向けのトップ 30 Python ライブラリ

ディープラーニング、NLP、コンピュータービジョン向けのトップ 30 Python ライブラリ

[[358174]]

Gregory Piatetsky による次のグラフでは、各リポジトリにカテゴリがあり、スターと貢献者別にグラフ化されており、シンボルのサイズは Github 上のそのリポジトリへのコミット数の対数になっていることに注意してください。

ディープラーニング、自然言語処理、コンピュータービジョン向けのトップ Python ライブラリ

星評価と貢献者数でプロット。コミット数の対数で相対的なサイズをプロット

それでは、これ以上長々と説明せずに、KDnuggets スタッフが厳選した、ディープラーニング、自然言語処理、コンピューター ビジョン向けのトップ 30 の Python ライブラリをご紹介します。

ディープラーニング

1. テンソルフロー

スター: 149000、コミット: 97741、貢献者: 754

TensorFlow は、機械学習のためのエンドツーエンドのオープンソース プラットフォームです。包括的かつ柔軟なツール、ライブラリ、コミュニティ リソースを備えており、研究者が高度な機械学習技術の開発を進め、開発者が機械学習を活用したアプリケーションをより簡単に開発および公開するのに役立ちます。

2. ケラス

スター: 50000、コミット: 5349、貢献者: 864

Keras は、機械学習のトップ プラットフォームである TensorFlow 上で実行される、Python で記述された機械学習 API です。

3. パイトーチ

スター: 43200、コミット: 30696、貢献者: 1619

強力な GPU アクセラレーションを備えた Python で実装されたテンソルと動的ニューラル ネットワーク。

4. ファスタイ

スター: 19800、コミット: 1450、貢献者: 607

fastai は、現在のベスト プラクティスを活用することで、トレーニング プロセスを大幅に簡素化し、ニューラル ネットワークを高速化します。

5. PyTorch ライトニング

スター: 9600、コミット: 3594、貢献者: 317

<ahelp_1" name="help_1"><divfinished-text"><divch-text"></divch-text"></divfinished-text"></ahelp_1">

高性能 AI 研究向けの PyTorch のパッケージ化された軽量バージョン。小さなサンプルを提供する代わりに、モデルを縮小することができます。

6. ジャックス

スター: 10000、コミット: 5708、貢献者: 221

Python + NumPy プログラムの組み合わせ変換: 微分化、ベクトル化、GPU/TPU 上の JIT など。

7. MXネット

スター: 19100、コミット: 11387、貢献者: 839

動的で変異を考慮したデータフロー管理スケジューラを備えた、軽量でポータブル、かつ柔軟な分散/モバイル機械学習ライブラリ。Python、R、Julia、Scala、Go、JavaScript などをサポートします。

8. 点火

スター: 3100、コミット: 747、貢献者: 112

PyTorch ニューラル ネットワークを柔軟かつ透過的にトレーニングおよび評価するための高レベル ライブラリ。

自然言語処理

9. ファストテキスト

スター: 21700、コミット: 379、貢献者: 47

fastText は、単語の表現と文の分類を効率的に学習するためのライブラリです。

10. スパーシー

スター: 17400、コミット: 11628、貢献者: 482

Python と Cython で実装された強力な自然言語処理 (NLP) ライブラリ

11. ゲンシム

スター: 11200、コミット: 4024、貢献者: 361

gensim は、大規模なコーパスを使用してトピック モデリング、ドキュメントのインデックス作成、類似性検索を実行します。対象読者は自然言語処理(NLP)と情報検索(IR)のコミュニティです。

12. ナラティカ

スター: 9300、コミット: 13990、貢献者: 319

NLTK(自然言語ツールキット)は、自然言語処理の研究開発のためのオープンソースのPythonモジュール、データセット、チュートリアルのセットです。

13. データセット (Huggingface)

スター: 4300、コミット: 568、貢献者: 64

PyTorch、TensorFlow、NumPy、Pandas ツールを使用して自然言語処理を行うための高速で効率的なオープン データセットと評価指標

14. トークナイザー(ハギングフェイス)

スター: 3800、コミット: 1252、貢献者: 30

研究と生産のための高速で最先端のトークナイザー

15. トランスフォーマー(ハギングフェイス)

スター: 3500、コミット: 5480、貢献者: 585

Transformers: Pytorch と TensorFlow 2.0 向けのトップクラスの自然言語処理ライブラリ

16. スタンザ

スター: 4800、コミット: 1514、貢献者: 19

多くの人間の言語のための公式標準 NLP Python ライブラリ

17. テキストブロブ

スター: 7300、コミット: 542、貢献者: 24

シンプルで Python 的なテキスト処理 - 感情分析、品詞タグ付け、名詞句抽出、翻訳など。

18. PyTorch-NLP

スター: 1800、コミット: 442、貢献者: 15

PyTorch を使用した自然言語処理 (NLP) の基本ユーティリティ

19. テキストアシー

スター: 1500、コミット: 1324、貢献者: 23

高性能な spaCy ライブラリ上に構築された、さまざまな自然言語処理 (NLP) タスクを実行するための Python ライブラリ。

20. 微調整

スター: 626、コミット: 1405、貢献者: 13

Finetune は、ユーザーがさまざまなダウンストリーム タスクに最新の事前トレーニング済み NLP モデルを活用できるようにするライブラリです。

21. テキストヒーロー

スター: 1900、コミット: 266、貢献者: 17

テキストの前処理、表現、視覚化をゼロから習得するまで。

22. スパークNLP

スター: 1700、コミット: 4363、貢献者: 50

Spark NLP は、Apache Spark ML 上に構築された自然言語処理ライブラリです。

23. グルーオンNLP

スター: 2200、コミット: 712、貢献者: 72

GluonNLP は、テキストの前処理、データセットの読み込み、ニューラル モデルの構築を簡素化し、自然言語処理 (NLP) の研究を加速するツールキットです。

コンピュータビジョン

24. 枕

スター: 7800、コミット: 10799、貢献者: 303

Pillow は PIL の非常にユーザーフレンドリーなフォークです。 PILはPythonイメージングライブラリです

25. オープンCV

スター: 49600、コミット: 29453、貢献者: 1234

オープンソースのコンピュータビジョンライブラリ

26. scikit-イメージ

スター: 4000、コミット: 12352、貢献者: 403

Python による画像処理

27. マホタス

スター: 644、コミット: 1273、貢献者: 25

Mahotas は、最速のコンピューター ビジョン アルゴリズム (実行速度を保証するためにすべてのアルゴリズムは C++ で実装されています) を含み、numpy 配列で実行されるライブラリです。

28. シンプル履歴書

スター: 2400、コミット: 2625、貢献者: 69

SimpleCV は、OpenCV と Python プログラミング言語を使用したオープンソースのマシン ビジョン フレームワークです。

29. グルーオンCV

スター: 4300、コミット: 774、貢献者: 101

GluonCV は、コンピューター ビジョンにおける最先端 (SOTA) のディープラーニング モデルを提供します。

30. トーチビジョン

スター: 7500、コミット: 1286、貢献者: 334

Torchvision パッケージには、コンピューター ビジョンでよく使用されるデータセット、モデル アーキテクチャ、画像変換方法が含まれています。

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

<<:  海外メディア:将来のドローン配達は住宅デザインスタイルを変えるかもしれない

>>:  人工知能は祝福か、それとも呪いなのか?事故は急増しており、アップルとグーグルも例外ではない

ブログ    
ブログ    

推薦する

...

デジタルトランスフォーメーションにおけるAIビッグモデルの現状と役割を客観的に見る

「デジタル変革における AI ビッグモデルの役割は、『データ中心のビジネス変革の 3 つのパラダイム...

AI を活用した新たなフィッシング攻撃に対抗するにはどうすればよいでしょうか?

サイバーセキュリティは、攻撃と防御の継続的なゲームです。防御戦略が進化し続ける一方で、攻撃者も攻撃の...

子供でも理解できるHTTPS暗号化アルゴリズム

[[344331]]信じられないかもしれませんが、「key」という言葉の標準的な発音は[mì yuè...

...

...

...

大規模言語モデルに基づくインテリジェントエージェントのモデリングとシミュレーション:レビューと展望

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

...

...

モバイルデバイスにディープラーニングを導入: モバイルデバイスにおける Mogujie のディープラーニング最適化の実践

[51CTO.com からのオリジナル記事] ディープラーニングは、データを表現する学習に基づいた機...

画像分類の精度を段階的に向上させるにはどうすればよいでしょうか?

[[205151]] 1. 問題の説明画像認識や画像分類、その他の機械学習タスクを扱う場合、どのよ...

人工知能は二酸化炭素排出量のせいで制限されるのでしょうか?

AI にカーボン フットプリントがあることは驚くことではありません。カーボン フットプリントとは、...

アルゴリズムエンジニアの日常生活において、トレーニングされたモデルが失敗した場合はどうすればよいでしょうか?

[[353013]]みなさんこんにちは。今日は職場でのアルゴリズム エンジニアの日常生活、つまりモ...