5 تا از جالبترین کتابخانه های پایتون!

معرفی کتابخانه:

احتمالا خیلی از شماها با تعریف کتابخانه در پایتون آشنایی دارید اما برای اون دسته از دوستانی که فراموش کردن یا تازه دارن با پایتون آشنا میشن باید بگم که؛ کتابخانه مجموعه کدهایی هستند که در راستای انجام کاری مشخص، از قبل نوشته شدن و در یک جایی ذخیره شدن. طوری که هر برنامه‌نویس برای استفاده از کدهای یک کتابخانه، فقط باید کتابخانه رو درون کدهاش فراخوانی کنه!

و اما میرسیم به کار اصلیمون تو این مقاله، همون چیزی که شما واسش کلیک کردید روی مقاله؛ یعنی معرفی 5 تا از جالبترین و پرکاربردترین کتابخانه های پایتون:

کتابخانه Pytorch:

FaceBook این کتابخانه را در سال 2018 همزمان با یکپارچگی با سه شرکت معتبر و معروف فضای ابری گوگل، سرویس های وب آمازون و یادگیری ماشین آژور راه اندازی و منتشر کرد.

البته که این کتابخانه به عنوان پیش نیاز، به کتابخانه های دیگری همچون Scikit، Pandas و Numpy نیازمند هستش. اما شاید تا الان متوجه شده باشید که این کتابخانه به چه هدفی منتشر شده شایدم متوجه نشده باشین اما الان بهتون میگم؛ در یک کلمه Deep Learning یا همون یادگیری عمیق، که یکی از مباحث بسیار مهم هوش مصنوعی هستش.

Pytorch یک کتابخانه OpenSource هستش و دوتا ویژگی اصلی داره:

• محسابه تانسورها همراه با شتابدهی قدرتمند GPU
• مشتق اتوماتیک برای ساخت شبکه های عصبی مبتدی

ولی شاید بگید ما کتابخانه های دیگری هم دقیقا برای همین هدف میشناسیم خب حالا ما چی میگیم؟ ما میگیم  برخلاف دیگر کتابخانه‌ها، Pytorch امکان تعریف گراف به صورت پویا و زنده رو فراهم میکنه :)

به طور کلی؛ Pytorch یه کتابخانه خوب و مناسب برای پژوهش های یادگیری عمیق هستش و سرعت چشم نوازی هم داره.

کتابخانه Arrow:

Arrow یکی از کتابخانه های محبوب پایتون هستش از اونایی که همه دوست دارن، و برای ایجاد قالب بندی، تبدیل تاریخ و زمان و نشانه گرهای زمانی استفاده میشه و جالبه بدونید این کتابخانه از پایتون 3 و 2 هم پشتیبانی میکنه.

اساس کار این کتابخانه اینطور هستش که؛ نوع تاریخ یا هر داده دیگری رو پیاده سازی و بروز میکنه، بعد از اون شکاف های عملکرد رو ایجاد میکنه و در پایان API ماژول هوشمند رو ارائه میده که از خیلی از موارد تخصصی پشتیبانی میکنه. اگر نمیتونید درک کنید؛ بذارید اینطور بهتون بگم؛ این کتابخانه به شما کمک میکند تا با کد بسیار کم به نتایج خیلی خوبی برسید.

کتابخانه Tensorflow:

Tensorflow یک کتابخانه رایگان و OpenSource هستش و دیگه چی از این بهتر :)

این کتابخانه برای انجام طیف وسیعی از وظایف انجام میشه که از مهمترین آنها میتوان به کاربرد آن در ریاضیات نمادین اشاره کرد ولی مثل کتابخانه های قبلی بازهم تحت نظارت قواعد Machine Learning فعالیت میکنه.

این کتابخانه توسط تیم Google Brain یا همون مغز گوگل برای مصرف داخلی خود گوگل توسعه داده شد اما در سال 2015 سران گوگل تصمیم گرفتن تا اون رو با گواهینامه آپاچی 2.0 (اسم موتور نیستا :) منتشر کنن.

کتابخانه Tensorflow برای سیستم عامل های 64 بیتی لینوکس، ویندوز، مک و حتی پلتفرم های موبایل موجود هستش.

در پایان هم خوبه بدونید؛ نام Tensorflow از یه عملیات گرفته شده که شبکه های عصبی روی آرایه های داده های چندبعدی انجام میدن.

کتابخانه Luminoth:

تصاویر امروز در همه جا حضور دارن و درک کردن محتوا و عمق تصاویر، امروزه به یکی از موارد مهم در برنامه نویسی و Machine Learning تبدیل شده که خوشبختانه روز به روز تکنیک پردازش تصاویر داره پیشرفت میکنه.

یکی از کتابخانه های مهم و موفق در این زمینه Luminoth هستش که مثل اکثر کتابخانه های پایتون OpenSource هست و البته که برای ساختش از دو کتابخانه Tensorflow و Sonnet بهره گرفته شده. در حال حاضر؛ شاخص ترین عملکرد این کتابخانه توانایی تشخیص اشیاء مختلف با دقت بالا هستش ولی طبق گفته توسعه دهندگانش هدف اون گسترده تره.

کتابخانه Numpy:

Numpy یک کتابخانه برای کار با آرایه ها و ماتریس های بزرگ و چندبعدی فراهم شده البته که خیلی از برنامه نویسان از اون برای توابع ریاضی سطح بالا هم استفاده میکنن.

از اونجایی که توضیحات کتابخانه Numpy رو خودتون از ما بیشتر بلدید ما اومدیم براتون چندتا از کتابخانه های تاثیرگذار و مرتبط با Numpy رو آماده کردیم:

• کتابخانه Ipython: این کتابخانه یک پوسته تعاملی و پیشرفته و بهبودیافته برای پایتون هستش که خصوصیات این کتابخانه رو توسعه میده.
• کتابخانه Matplotlib: شاید تا حالا با کتایخانه Numpy نمودار کشیده باشین که جالبه بدونید قابلیت کشیدن نمودار با کتابخانه Matplotlib فراهم شده.
• کتابخانه Scipy: بسیاری از کدهای جزئی و سطح بالای Numpy به کمک این کتابخانه نوشته شدن.

به طور کلی؛ هدف اصلی این کتابخانه، فراهم ساختن امکان کار با آرایه های چندبعدی یکنواخت هستش که معمولا هم تشکیل شده از اعداد هستن.

خوشحال میشم نظرات و پیشنهاداتتون درباره این مقاله بشنوم :)