На сегодняшний день Python является одним из самых популярных языков программирования, который заменил многие другие языки в огромном количестве прикладных сфер. Одной из причин большой популярности Python (но далеко не единственной) является огромное количество всевозможных готовых библиотек. В области машинного обучения и электросетей около половины всех решения выполнено на Python. К другим достоинствам языка Python стоит отнести его простоту, небольшую сложность для старта, мультиплатформенность, а также существенно более простым синтаксисом (в сравнении с C, C++, Java).
TensorFlow
Начать стоит с самой известной и самой популярной библиотеки для машинного обучения — TensorFlow. Наверняка вы слышали о ней, если хоть как-то затрагивали тему нейросетей и machine learning. Tensor Flow – это библиотека с открытым кодом, разработанная людьми из Google и Brain Team. Google сам использует эту библиотеку, в частности, для распознавания образов в Google Photo, а также в Google Voice Search.
TensowFlow позволяет писать собственный алгоритмы, которые работают с тензорами и тензорными операциями. Так как практически любой алгоритм машинного обучения можно выразить графами, то TensorFlow со своими широкими возможностями оперирования с тензорами оказывается как нельзя кстати.
К достоинствам TensorFlow стоит отнести высокую степень параллелизации, а также возможность работы как на центральном, так и на графическом процессоре. Сам TensorFlow написан на C и C++, однако, он отлично интегрируется с Python. Python код будет компилироваться и исполняться на распределенном движке, написанном на «быстрых» С и С++. TensorFlow, как основа для построения Machine-Learning алгоритмов, оптимизирован и быстр.
Keras
Keras — еще одна известная библиотека Python, работающая поверх TensorFlow. Keras – хороший выбор для тех, кто только начал изучать машинное обучение. Он позволяет работать с нейросетями на достаточно высоком уровне, однако, за это приходится платить некоторой нерасторопностью и медленностью библиотеки. Keras содержит в себе большое количество встроенных библиотек для визуализации и обработки данных.
Помимо TensorFlow, Keras в качестве бэкенда может использовать и Theano; однако, при выборе TensorFlow вам лучше придерживаться архитектуры TensorFlow.
NumPy
NumPy – вторая по популярности библиотека для машинного обучеения. Так, TensorFlow сам использует NumPy для решения ряда своих задач. Основная особенность NumPy — это работа с матрицами и массивами. NumPy необходим для представления звуковых и графических данных в виде N-метрных массивов чисел. NumPy – очень важная библиотека для тех, кто хочет посвятить себя машинному обучению.
Eli5
Eli5 – библиотека для визуализации и отладки работы алгоритмов машинного обучения. Она позволяет контролировать ход обучения, а также снижать погрешности вычислений, контролируя каждый этап, шаг за шагом, машинного обучения.
