5 个开源 Python 库，让机器学习更简单

(点击上方蓝字，快速关注我们)

来源：达尔文

my.oschina.net/editorial-story/blog/854878

机器学习令人兴奋，但实际操作却很困难也很复杂。它涉及到很多手动操作，如集合工作流和管道，设置数据源，以及在内部部署与云部署的资源之间切换等。

Python 是一款强大的工具语言，被广泛应用在大数据和机器学习之中。以下推荐了 5 个 Python 库，帮你疏通机器学习之路。

PyWren

PyWren 允许你将基于 Python 的科学计算工作负载作为多个 AWS Lambda 函数来运行。The New Stack 上一份对该项目的描述是，使用 AWS Lamba 作为强大的并行处理系统，处理可以切分为多个小任务的项目，从而不用占据大量的内存或存储空间。

此项目有个缺点是 lambda 函数运行不能超过 300 秒。但如果是一份只需几分钟就能完成的工作，并且要在数据集中运行上千次，那 PyWren 会是不错的选择，它能在一定程度上将用户硬件上无法运行的工作平行化至云端。

Tfdeploy

Google 的 TensorFlow 框架在发布了 1.0 版本之后进入辉煌时期，这时人们要问了：如何才能在不使用 TensorFlow 本身的情况下，使用在 TensorFlow 上训练的模型？

Tfdeploy 能给你答案。它将经过训练的 TensorFlow 模型导出为“简单的基于 NumPy 的可调用对象”，即该模型可以在 Python 中使用，并以 Tfdeploy 和 NumPy math-and-stats 库为唯一的依赖关系。大多数可以在 TensorFlow 中执行的操作也可以在 Tfdeploy 中执行，你可以通过标准的 Python metaphors 来扩展库的行为（如，重载类）。

Luigi

编写批量作业只是处理数据堆的一部分，你还需要将所有作业串起来生成类似工作流和管道的东西。

Luigi 由 Spotify 创建，用于“解决与长期运行成批处理作业有关的管道问题”。开发者可以通过 Luigi 采用多个不同且不相关的数据处理任务，如，Hive 查询，Java 中的 Hadoop 任务，Scala 中的 Spark 任务，从数据库转储 table 等，还可以创建一个端到端运行它们的工作流。

对任务的整个描述以及依存性被打造为 Python 模块，而不是作为 XML 配置文件或其他数据格式创建，因此可以集成到其他以 Python 为中心的项目中。

Kubelib

如果你使用 Kubernetes 作为机器学习作业的编排系统，那么你会祈祷 Kubernetes 产生的问题不要比解决的问题还多。Kubelib 为 Kubernetes 提供了一组 Pythonic 接口，最初是为了协助 Jenkins 脚本工作。但是它可以在没有 Jenkins 的情况下使用，它可以处理 kubectl CLI 或 Kubernetes API 暴露的一切服务。

PyTorch

PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架，提供两个高级功能：强大的 GPU 加速 Tensor 计算（类似 numpy），构建基于 tape 的自动升级系统上的深度神经网络。你可以重用你喜欢的 python 包，如 numpy、scipy 和 Cython ，在需要时扩展 PyTorch。

通常使用 PyTorch 是将其作为 numpy 的替代品，以使用强大的 GPU 能力，或作为一个深度学习研究平台，提供最大的灵活性和速度。

看完本文有收获？请转发分享给更多人

关注「大数据与机器学习文摘」，成为Top 1%