2021年Python十佳ML库大盘点，国产选手GitHub半年获5k+star，第一名是升级版NumPy

函擎发自凹非寺
量子位报道 | 公众号 QbitAI

2021年里AI飞速发展，优秀算法层出不穷，令我们大开眼界。

而真正要将这些算法实现，一定少不了Python这个主流机器学习语言的加持。

今年各大公司和研究小组都推出了一系列方便使用的高性能开源库，其中还不乏一些国产的优秀作品。

在这里将盘点出最佳的10名，致力于帮你解决各种问题。

如果你还在为模型训练中的“杂务”头疼，那就快来看看吧。

1. Awkward Array

根据官方介绍，Awkward Array用于嵌套的、大小不一的数据，包括任意长度的列表、记录、混合的类型和缺失数据，使用起来类似NumPy。

看起来像是升级版的NumPy呀。

果然，不同长度的数组可以直接放在一起运算。

并且，官方表示Awkward Array不仅使用起来更简便，在速度和内存上也有量级的优势。

看看是不是可以安排上了～

https://pypi.org/project/awkward/

2. Jupytext

相信大家对Jupyter Notebook都不陌生。

当你有了Jupytext这个小插件就可以将Jupyter Notebook和IDE完美结合，听起来是不是很棒！

从此Jupyter Notebook可以被存储为Markdown文件或多种语言的脚本文件。

Jupytext可以做的事主要有：

Jupyter Notebook的版本控制
在你喜欢的文本编辑器中编辑、合并或重构Notebook
在Notebook上使用Q&A检查

在Python中使用的样子：

此项目在Github上已有5k+star。

https://github.com/mwouts/jupytext

3. Gradio

比Streamlit还轻量的UI设计库，Gradio让你轻松在浏览器中“玩转”你的模型，可以直接在浏览器中拖放图片，粘贴文字，录制声音，等等。

只要将launch()函数中的参数设置为share=True，还能得到一个可分享的网址，拿到链接的朋友在电脑和手机端都能打开，活脱脱就是一个小程序。

时常需要做Demo的小伙伴快看起来吧，此项目在Github上已有4.5k+star。

https://github.com/gradio-app/gradio

4. Hub

这个Hub在数据管理和数据预处理上可是一把好手。

它可以处理任何类型，任何大小的数据，并且因为数据储存在云端上，所以可以无缝在任何机器上访问。

被压缩为二进制字节的数据可以被存储在任何地方，并且只有在需要的时候才会被获取，所以没有TB级硬盘也可以处理TB级数据。

Hub贴心地提供了重要API，支持数据在常用工具（PyTorch等）上的使用，数据版本控制，数据转换等功能。

此项目在github上已有4.1k+star。

https://github.com/activeloopai/Hub

5. AugLy

AugLy是facebook最新推出的数据增强库，同时支持语音，文本，图像和视频类型的数据，包含了100多种增强方式。

数据对于模型训练至关重要，而标注大规模数据十分困难。由于人力资源，和模型特性的限制，数据增强的应用越来越广泛。

AugLy的优点：

处理类型更为全面。其他的数据增强库，例如Albumentations和NVIDIA DALI，主要负责图像相关数据的处理，文字数据不支持。
处理方式十分人性化。AugLy可以将一张图片做成备忘录，在图片/视频上叠加文字/Emojis，转发社交媒体上的截图，还可以帮助你处理诸如拷贝检测、仇恨言论检测或版权侵权等问题。

此项目在Github上已有4.1k+star。

https://github.com/facebookresearch/AugLy

6. Evidently

Evidently是用来监测模型效果的工具，可从Pandas DataFrame或csv文件中生成交互式可视化报告和JSON格式的效果简介。在Jupyter Notebook中可以使用。

目前可以提供6种报告：数据漂移、数值目标漂移、分类目标漂移、回归模型性能、分类模型性能和概率分类模型性能。

此项目在Github上已有1.8k+star。

https://github.com/evidentlyai/evidently

7. YOLOX

如果你熟悉YOLO的话，那你或许会对旷视今年推出的YOLOX感兴趣。

YOLO就是那个目标检测算法，可以被使用在汽车自动驾驶等前沿技术中。

而YOLOX是YOLO的无锚版本，设计更简单，但性能更好！它的目标是在研究界和工业界之间架起一座桥梁，同时弥合两方之间的差距。

这个Github上的开源项目在短短半年内已获得5.2k+star。

https://github.com/Megvii-BaseDetection/YOLOX

8. LightSeq

正如它的名字一样，LightSeq是一款由字节跳动开发的支持BERT、GPT、Transformer等众多模型的超快推理引擎。

可以看到它的表现，比FasterTransformer还要Fast。

LightSeq支持的模型也是非常全面。

总之就是两个字“好用”。此项目在Github上已有1.9k+star。

https://github.com/bytedance/lightseq

9. Greykite

想预测COVID-19的恢复速度吗？那就来看看LinkedIn为了自家时间序列预测需求开发的Greykite吧。

功能全面（多种时间趋势），界面直观，预测速度快和可扩展性强是它最大的亮点。

被应用在上面的三大算法：

Silverkite (Greykite’s flagship algorithm)
Facebook Prophet
Auto Arima

感兴趣的话就去研究看看吧，此项目在Github上已有1.4k+star。

https://github.com/linkedin/greykite

10. Jina and Finetuner

如今，在搜索引擎等应用上，语义识别的地位越来越高，因为它可以有效避免字词匹配的局限。

不过语义识别涉及的神经网络可能会让很多人感到头大，Jina和Finetuner可以帮你解决这些问题。

Jina是一个神经搜索框架，使任何人都能在几分钟内建立可扩展的深度学习搜索应用程序。

Finetuner配合Jina帮助你对神经网络进行调参，以获得神经搜索任务的最佳结果。

Jina和Finetuner适合没什么经验，又想尝试的朋友。

https://github.com/jina-ai/finetuner

参考链接：

https://tryolabs.com/blog/2021/12/21/top-python-libraries-2021