ТОП-10 трендов Python Weekly на Github

Этот пост курируется IssueHunt, баунти-платформой для проектов с открытым исходным кодом.

Это самый простой способ монетизации для OSS.

Алгоритмы / Python

Все алгоритмы реализованы на Python (для обучения)
Они предназначены только для демонстрационных целей. В стандартной библиотеке Python есть множество реализаций, которые намного лучше с точки зрения производительности.

GitHub — TheAlgorithms/Python: все алгоритмы, реализованные на Python

mwouts / юпитекст

Записные книжки Jupyter в виде документов Markdown, сценариев Julia, Python или R.
Jupytext может преобразовывать записные книжки в сценарии Julia, Python и R и обратно (расширения .jl, .py и .R),
документы Markdown (расширение .md),
Документы R Markdown (расширение .Rmd).
Jupytext доступен в Jupyter. Вы можете работать с блокнотом в Jupyter, как обычно, а также сохранять и читать его в выбранных вами форматах.

GitHub — mwouts/jupytext: блокноты Jupyter в виде документов Markdown, сценариев Julia, Python или R

donnemartin/система-дизайн-праймер

Узнайте, как проектировать крупномасштабные системы.
Подготовка к собеседованию по проектированию системы.
Включает карточки Anki.
Краткое изложение различных тем системного проектирования, включая плюсы и минусы. Все это компромисс.
Каждый раздел содержит ссылки на более подробные ресурсы.

GitHub — donnemartin/system-design-primer: узнайте, как проектировать крупномасштабные системы. Подготовка к собеседованию по проектированию системы. Включает карточки Anki.

Модели TensorFlow

Этот репозиторий содержит ряд различных моделей, реализованных в TensorFlow.

Официальные модели — это набор примеров моделей, использующих высокоуровневые API-интерфейсы TensorFlow. Они должны хорошо поддерживаться, тестироваться и обновляться с помощью последней стабильной версии TensorFlow API. Они также должны быть разумно оптимизированы для быстрой работы, но при этом легко читаемы. Мы особенно рекомендуем новым пользователям TensorFlow начать здесь.

Исследовательские модели представляют собой большой набор моделей, реализованных исследователями в TensorFlow. Они официально не поддерживаются и не доступны в ветках релизов; отдельные исследователи должны поддерживать модели
и/или обеспечивать поддержку по вопросам и запросам на вытягивание.

Папка с примерами содержит фрагменты кода и более мелкие модели, демонстрирующие возможности TensorFlow, включая код, представленный в различных сообщениях блога.

Папка tutorials — это коллекция моделей, описанных в TensorFlow tutorials.

тензорный поток / тензорная доска

TensorBoard — это набор веб-приложений для проверки и понимания ваших запусков и графиков TensorFlow.
В этом файле README представлен обзор ключевых концепций TensorBoard, а также способы интерпретации визуализаций, предоставляемых TensorBoard. Подробный пример использования TensorBoard см. в руководстве: TensorBoard: визуализация обучения. Подробную информацию о визуализаторе графиков см. в этом руководстве: TensorBoard: визуализация графиков.

тензорный поток · GitHub

джанго/джанго

Django — это высокоуровневая веб-инфраструктура Python, которая способствует быстрой разработке и чистому прагматичному дизайну. Спасибо за внимание.
Вся документация находится в каталоге docs и онлайн по адресу https://docs.djangoproject.com/en/stable/.
Если вы только начинаете, вот как мы рекомендуем вам читать документацию:
Во-первых, прочитайте docs/intro/install.txt для получения инструкций по установке Django.

GitHub — django/django: веб-фреймворк для перфекционистов со сроками.

винта / удивительный питон

Отличный Python
Тщательно подобранный список замечательных фреймворков, библиотек, программного обеспечения и ресурсов Python.

Удивительный питон
Панели администратора
Алгоритмы и шаблоны проектирования
Антиспам
Управление активами

И много других.

GitHub — vinta/awesome-python: тщательно подобранный список потрясающих фреймворков, библиотек, программного обеспечения и ресурсов Python

вечно скрывать / вечно жук

Everbug — это легкое промежуточное ПО Django для расширения Chrome/Firefox с простой установкой.
Одно из преимуществ: тело ответа целевой страницы остается чистым и неизменным.

GitHub — everhide/everbug: инструмент отладки Django для браузера

junfu1115/DANet

Предложите сеть двойного внимания (DANet) для адаптивной интеграции локальных функций с их глобальными зависимостями на основе механизма самоконтроля.
И они достигают новой современной производительности сегментации в трех сложных наборах данных сегментации сцен, т. е. Cityscapes, PASCAL Context и наборе данных COCO Stuff-10k.

GitHub — junfu1115/DANet: сеть двойного внимания для сегментации сцен

facebookincubator/python-nubia

Nubia — это легкая платформа для создания приложений командной строки с помощью Python.
Первоначально он был разработан для «интерактивной оболочки logdevice (также известной как ldshell)» в Facebook.
С тех пор он был задуман как повторно используемый компонент, и несколько внутренних проектов Facebook теперь полагаются на него как на быстрый и простой способ получить интуитивно понятное приложение оболочки / cli без лишнего шаблонного кода.
Nubia создана. поверх python-prompt-toolkit, который является фантастическим набором инструментов для создания интерактивных приложений командной строки.

GitHub — facebookincubator/python-nubia: среда командной строки и интерактивная оболочка.