簡(jiǎn)介
這是我們學(xué)習(xí) Python 及其在機(jī)器學(xué)習(xí) (ML) 和人工智能 (AI) 中的應(yīng)用系列的第四個(gè)模塊。在前面三個(gè)模塊文章的學(xué)習(xí)，我們已經(jīng)對(duì)Python相關(guān)基礎(chǔ)知識(shí)有了了解。現(xiàn)在，我們可以開(kāi)始學(xué)習(xí)Python中哪一些庫(kù)可以用來(lái)處理AI和ML任務(wù)。
請(qǐng)注意，這更像是 Python 庫(kù)的清單，其中包含您可以了解更多信息的鏈接。我們將深入研究將這些庫(kù)用于未來(lái)模塊的示例。
NLTK
NLTK（Natural Language Toolkit）提供了許多處理自然語(yǔ)言處理（NLP）的軟件包，NLP是與計(jì)算語(yǔ)言學(xué)相關(guān)的人工智能的一個(gè)分支，專注于理解和解釋書面人類語(yǔ)言。使用 NLTK，您可以分析句子、對(duì)單詞進(jìn)行分類、執(zhí)行情感分析等等。
OpenCV
OpenCV（開(kāi)放計(jì)算機(jī)視覺(jué)）是一個(gè)用于優(yōu)化實(shí)時(shí)計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)的庫(kù)。它可以使用過(guò)濾器和轉(zhuǎn)換處理圖像，檢測(cè)圖像中的特征并從中提取數(shù)據(jù)；它用于光學(xué)字符識(shí)別 (OCR)、人臉檢測(cè)、對(duì)象跟蹤等應(yīng)用。
Keras
Keras是 Python 中用于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的高級(jí)庫(kù)。它運(yùn)行在 TensorFlow、Theano 或 CNTK 深度學(xué)習(xí)框架之上。與單獨(dú)使用 TensorFlow 或使用 PyTorch 框架相比，Keras 更受歡迎，因?yàn)樗沁@三者中最容易使用的快速原型設(shè)計(jì)深度學(xué)習(xí)項(xiàng)目。
TensorFlow
TensorFlow是一個(gè)用于開(kāi)發(fā)和訓(xùn)練機(jī)器學(xué)習(xí)模型的開(kāi)源庫(kù)。它提供高級(jí)和低級(jí) API。與 Keras 相比，它具有更高的性能，因此更常用于大型數(shù)據(jù)集。Keras 現(xiàn)在作為 TensorFlow 的高級(jí) API 包含在 TensorFlow 工具包中，用于構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型的原型。
PyTorch
PyTorch是一個(gè)深度學(xué)習(xí)框架。它專注于張量計(jì)算（如 NumPy，但使用 GPU 加速）和深度神經(jīng)網(wǎng)絡(luò)。
scikit-learn
scikit-learn是一個(gè)提供各種“傳統(tǒng)”機(jī)器學(xué)習(xí)方法（線性模型、支持向量機(jī)、決策樹(shù)等）的庫(kù)。然而，它不包含深度學(xué)習(xí)功能，因?yàn)樯疃葘W(xué)習(xí)相當(dāng)專業(yè)，而機(jī)器學(xué)習(xí)庫(kù)通常專注于深度學(xué)習(xí)或傳統(tǒng)機(jī)器學(xué)習(xí)方法。這使得 scikit-learn 成為與 Keras、TensorFlow 和 PyTorch 完全不同的野獸。
NumPy 和 SciPy
NumPy和SciPy不是專門用于機(jī)器學(xué)習(xí)的庫(kù)，但它們是本概述的重要組成部分，因?yàn)樗鼈兲峁┝丝茖W(xué)計(jì)算的基本工具。
NumPy 提供了強(qiáng)大的 N 維數(shù)組、線性代數(shù)、傅立葉變換，并且可以與 OpenCV 等其他庫(kù)順利協(xié)同工作（這并不奇怪，因?yàn)樗鼈兌冀⒃?NumPy 之上）。
SciPy 在 NumPy 的數(shù)組之上工作，并提供用于數(shù)值分析的函數(shù)，例如插值、優(yōu)化、積分、微分方程求解器、統(tǒng)計(jì)等。
Matplotlib
Matplotlib是一個(gè)用于在 Python 中創(chuàng)建可視化的庫(kù)。您可以使用它以 2D 或 3D 格式創(chuàng)建靜態(tài)、動(dòng)畫或交互式圖表和圖形。
Pandas
Pandas是一個(gè)用于數(shù)據(jù)分析和操作的庫(kù)。它可以讀/寫許多不同格式的文件，并提供許多功能來(lái)管理您的數(shù)據(jù)：索引、選擇、合并、重塑等等。
選擇什么？
如您所見(jiàn)，您可以做出很多選擇。
如果您是企業(yè)開(kāi)發(fā)人員，您可能希望選擇高級(jí)庫(kù)，例如 NLTK、OpenCV 或 Keras。這將使您盡可能快地走上正軌。
TensorFlow 或 PyTorch 的高級(jí)部分等庫(kù)可幫助您構(gòu)建神經(jīng)網(wǎng)絡(luò)，而無(wú)需擔(dān)心低級(jí)復(fù)雜性。
低級(jí)解決方案，例如 TensorFlow 的某些部分，或者用 NumPy 做所有事情，通常需要更多的工作，因此交付解決方案需要更長(zhǎng)的時(shí)間，并且這些解決方案更難維護(hù)。
結(jié)論
以上內(nèi)容就是關(guān)于Python中人工智能（AI）和機(jī)器學(xué)習(xí)（ML）相關(guān)的一些庫(kù)，接下來(lái)的模塊，將要學(xué)習(xí)如何深入地使用它們。
