第 433 期 Python 周刊

简介:

文章教程

使用 Python 扩展 Clojure

链接:

https://www.youtube.com/watch?v=vQPW16_jixs

Libpython-clj 是一个库,它允许你从 clojure repl 中使用 python 库。我们将深入研究这个库的细节,并讨论构建它的设计决策中的一些潜在后果。

使用 TensorFlow 构建 AI 增强的音乐库

链接:

https://blog.tensorflow.org/2020/01/building-ai-empowered-music-library-tensorflow.html

QQ 音乐是腾讯音乐娱乐集团(TME)旗下的音乐流媒体服务,我们为全球 8 亿多用户提供服务。我们拥有庞大的音乐库,其中包含大量的专辑和现场音乐(音频和视频格式)。在 TensorFlow 的基础上,我们能够通过音乐标记,音乐评估,语音分离,音乐缺陷检测和恢复等的机器学习算法来有效地管理音乐库。在本文中,我们想与您分享我们如何构建这种具有 AI 功能的音乐库以及关于使用 TensorFlow 的经验。

使用 Python 读取二进制数据

链接:

https://reachtim.com/articles/reading-binary-data-with-python.html

在 Python 中处理外部二进制数据时,有两种方法可以将这些数据转换为格式化的数据结构。可以使用 ctypes 模块来定义数据结构,也可以使用 struct python 模块。当您在网络上浏览工具存储库时,将看到使用的两种方法。本文向您展示如何读取网络上的 IPv4 标头。

阻止基于 Python 的后门攻击

链接:

https://vimeo.com/383337193/65c5e52bcd

MechaFlounder 是一种伊朗威胁行为者针对土耳其实体的后门攻击。类似的基于 Python 的后门攻击已设法规避了传统的网络安全防护,并在目标环境中传播。了解基于 Python 的后门攻击, 以及为何基于软件身份验证(zero trust security)的保护可以阻止此类攻击。

使用 Phoenix 和 Python 实时对象检测

链接:

https://www.poeticoding.com/real-time-object-detection-with-phoenix-and-python/

本文不仅涉及机器学习和对象检测,还涉及与 Elixir 的交互操作性, 并利用 Python 出色的 ML 库集,将其功能带入 Elixir 世界。

URL 引导方式

链接:

https://www.mattlayman.com/understand-django/urls-lead-way/

Django 站点如何发送请求?

使用 OpenCV,Computer Vision 和 scikit-learn 进行异常检测

链接:

https://www.pyimagesearch.com/2020/01/20/intro-to-anomaly-detection-with-opencv-computer-vision-and-scikit-learn/

在本教程中,您将学习如何使用 OpenCV,Computer Vision和 scikit-learn 机器学习库在图像数据集中执行异常/新颖性检测。

使用自己的脚本函数自动执行繁琐的任务

链接:

https://t.co/l9jWcdLESU

使用 Python 自动执行任务很容易。不过一旦完成了可以使用的脚本,一定要转换为可以更高效地编码的函数!

Pyplot 的 Parens

链接:

http://gigasquidsoftware.com/blog/2020/01/18/parens-for-pyplot/

libpython-clj 为 Clojure 直接与 Python 库的交互操作打开了大门。这意味着我们几乎可以直接在 Clojure REPL 中使用任何 Python 库。但是 matplotlib 呢?Matplotlib.pyplot 是大多数教程和 python 数据科学中的标准配置。我们如何让它与 python 图形库交互操作?

在 Python 中准确地测量代码执行时间

链接:

https://knasmueller.net/measure-code-execution-time-accurately-in-python

了解如何消除系统的和随机的测量误差以获取更准确的代码运行时间。

编码 Python:将 unittest 声明为 Python 声明

链接:

https://t.co/8lvTXgfzOb

大型代码库需要持续维护,但是更改散布在许多文件中的部分代码既费时又麻烦。本文展示了如何编写 Codemod 来使用其抽象语法树来重构 Python 代码—与基本的 regex 和 search-replace 相比,它获得了更为精细的控制。

open 和 CPython

链接:

http://hondu.co/blog/open-and-python

滥用 Python 的 open, 以及 CPython 的 GC 和 UNIX 语义的交互可能会导致意外结果!

使用 Python 构建一个文件加密器

链接:

https://able-dev.com/2020/01/19/lets-build-a-file-encrypter-with-python/

使用 flask-injector 进行 Python 依赖注入

链接:

https://t.co/vtDvpI05Hv

使 Django 能够在数据库存在的情况下始终重建数据库

链接:

https://adamj.eu/tech/2020/01/13/make-django-tests-always-rebuild-db/)

Gandiva 使用 LLVM 和 Arrow 对 Pandas 表达式进行 JIT 评测

链接:

http://blog.christianperone.com/2020/01/gandiva-using-llvm-and-arrow-to-jit-and-evaluate-pandas-expressions/

在 Python 中寻找乐趣

链接:

https://www.b-list.org/weblog/2020/jan/20/fun/

有趣的项目

ActionAI

链接:

https://github.com/smellslikeml/ActionAI

ActionAI 是用于训练人类行为分类的机器学习模型的 python 库。

DDSP

链接:

https://github.com/magenta/ddsp

DDSP 是常用 DSP 功能(例如合成器,波形处理器和滤波器)的不同版本的库。这允许将这些可解释的元素用作深度学习模型的一部分,尤其是可用作音频生成的输出层。

Flytekit

链接:

https://github.com/lyft/flytekit

用于轻松地创作,测试,部署 Flyte 任务。

Rich

链接:

https://github.com/willmcgugan/rich

Rich 是一个用于在终端中显示富文本和精美格式的 Python 库。

JustCause

链接:

https://github.com/inovex/justcause

在关于因果关系的方法研究中培养良好科学实践的框架。

reformer-pytorch

链接:

https://github.com/lucidrains/reformer-pytorch

Pytorch 的重整器,高效转换器。

gpt2bot

链接:

https://github.com/polakowo/gpt2bot

使用 DialoGPT 对 Reddit 讨论数据进行了训练。

django-migration-linter

链接:

https://github.com/3YOURMIND/django-migration-linter

为 django 迁移项目检测出不向后兼容部分。

pytorch-metric-learning

链接:

https://github.com/KevinMusgrave/pytorch-metric-learning

在应用程序中使用度量学习的最简单的方法。该库用 Pytorch 编写, 模块化,高灵活并且可扩展。

Fliks.XYZ

链接:

https://github.com/gokhj/Fliks.XYZ

一个 Simple Flask 应用程序, 可搜索点播服务中的电影/电视节目。

欢迎关注微_信公众号: 爱写Bug
爱写Bug.jpeg

目录
相关文章
|
2月前
|
SQL 人工智能 JavaScript
Python 潮流周刊第 38 期(摘要)+赠书5本
Python 潮流周刊第 38 期(摘要)+赠书5本
18 2
|
2月前
|
SQL 文字识别 机器人
Python 潮流周刊第 36 期(摘要)
Python 潮流周刊第 36 期(摘要)
30 3
|
2月前
|
数据采集 SQL 人工智能
Python 潮流周刊第 35 期(摘要)
Python 潮流周刊第 35 期(摘要)
17 0
|
2月前
|
人工智能 Rust 测试技术
Python 潮流周刊第 34 期(摘要)
Python 潮流周刊第 34 期(摘要)
20 5
|
2月前
|
SQL 人工智能 Rust
Python 潮流周刊第 32 期(摘要)
Python 潮流周刊第 32 期(摘要)
16 3
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
Python 潮流周刊第 31 期(摘要)
Python 潮流周刊第 31 期(摘要)
33 5
|
2月前
|
网络协议 算法 编译器
Python 潮流周刊第 30 期(摘要)
Python 潮流周刊第 30 期(摘要)
21 2
|
2月前
|
JSON Rust 数据可视化
Python 潮流周刊第 29 期(摘要)
Python 潮流周刊第 29 期(摘要)
26 4
|
2月前
|
人工智能 Java API
Python 潮流周刊#28:两种线程池、四种优化程序的方法
Python 潮流周刊#28:两种线程池、四种优化程序的方法
21 1
|
2月前
|
人工智能 API 数据库
Python 潮流周刊#26:requests3 的现状
Python 潮流周刊#26:requests3 的现状
24 4