蕾師師 發自 凹非寺量子位 報導 | 公眾號 QbitAI
2020年已經過去了，國外的一家專門提供Python服務的網站Troy Labs，盤點出了2020年發布的Python庫Top10。
上榜的有FastAPI的升級版Typer、將CLI變成彩色的Rich、基於GUI框架的Dear PyGui、還有精簡報錯信息的PrettyErrors……總有一款是你想要的。
下面就讓我們一起來看看吧~
1、Typer
Typer跟FastAPI的原理相同，都是Python上用來構建API服務的一個高性能框架。
它是FastAPI的升級版，不僅能夠準確地記錄代碼，還能夠輕鬆地進行CLI驗證。
Typer易於學習和使用，不需要用戶閱讀複雜的教程文檔即可上手。支持編輯器（如VSCode）代碼自動補全，提高開發人員的開發效率，減少bug的數量。
其次，Typer還能配合命令行神器Click使用，就可以利用Click的優點和插件，實現更複雜的功能。
開源地址：https://github.com/tiangolo/typer
2、Rich
誰規定CLI界面一定得是黑白的？它也可以是彩色的。
Rich API不僅能夠在終端輸出提供豐富的彩色文本和精美的格式，還提供了精美的表格、進度條、編輯器、追蹤器、語法高亮等。如下圖所示。
它還可以安裝在Python REPL上，所有的數據結構都可以漂亮地輸出或標註。
總而言之，它是彩色的、漂亮的、強大的。
Rich兼容性也不錯，適用於Linux，Mac和Windows等多種系統。真彩色/表情符號可與新的Windows終端一起使用。
但是請注意，Rich必須要Python 3.6.1或以上版本。
開源地址：https://github.com/willmcgugan/rich
3、Dear PyGui
如上所示，雖然終端應用程式可以做成很漂亮的樣子。但是，你可能還需要一個真正的GUI。
Dear PyGui是一個便於使用、功能強大的Python GUI框架。但是它與其他的Python GUI卻有著根本上的不同。
它使用了即時模式範式和計算機的GPU來實現動態界面。即時模式範式在視頻遊戲中非常流行，這意味著它的動態GUI不需要保留任何數據，而是逐幀獨立繪製的。同時，它還使用GPU來建構動態界面。
Dear PyGui還可以繪圖、創建主題、創建2D遊戲，還擁有一些小工具，比如說內置文檔、日誌記錄、原始碼查看器之類的，這些小工具可以協助App的開發。
支持它的系統有：Windows 10（DirectX 11），Linux（OpenGL 3）和macOS（Metal）等。
開源地址：https://github.com/hoffstadt/DearPyGui
4、PrettyErrors
PrettyErrors是一個精簡Python錯誤信息的工具，特點是界面十分簡潔友好。
它最顯著的功能是支持在終端進行彩色輸出，標註出文件棧蹤跡，發現錯誤信息，過濾掉冗餘信息，提取出關鍵部分，並且進行彩色標註，從而提高開發者的效率。
而且它可以不用安裝，直接被導入項目中使用，但是需要先配置一些參數，其導入和配置的參數如下：
開源地址：https://github.com/onelivesleft/PrettyErrors
5、Diagrams
程式設計師在編程的時候，有時候需要跟同事解釋他設計的程序代碼之間複雜的結構關係，然而這不是一兩句話能說清楚的，需要畫表或者做脈絡圖。
一般情況下，程式設計師使用GUI工具處理圖表，並將文稿進行可視化處理。但是還有更好的方法，比如說使用Diagrams庫。
Diagrams讓不需要任何設計類工具，直接在Python代碼中繪製雲系統結構。它們的圖標來自多家雲服務商，包括AWS, Azure, GCP等。
僅需幾行代碼，就可以簡單地創造出箭頭符號和結構圖。
由於它使用Graphviz來渲染圖，所以還需要先安裝好Graphviz。
開源地址：https://github.com/mingrammer/diagrams
6、Hydra and OmegaConf
在做機器學習項目的時候，需要做一大堆的環境配置工作。因此，在一些複雜的應用程式中，配置管理工作也相應變得複雜。
Hydra可以使配置工作變得簡單。它能夠從命令行或者配置文件中覆蓋部分出來，無需維護相似的配置文件，用組合的方式進行配置，從而加快了實驗運行速度。
Hydra兼容性強，擁有含插件的結構，能夠很好地與開發者的操作文件融合。它的插件還可以實現直接通過命令行，就把代碼發布到AWS或者其他雲端系統。
Hydra也離不開OmegaConf，兩者關係密不可分，OmegaConf為Hydra的分層配置系統提供了協同的API，二者協同運作可支持YAML、配置文件、對象、CLI參數等。
開源地址：https://github.com/facebookresearch/hydrahttps://github.com/omry/omegaconf
7、PyTorch Lightning
PyTorch Lightning也是Facebook的一個研究成果。它是一個輕巧的PyTorch包裝器，用於高性能AI研究，其最重要的特徵是能夠解析PyTorch代碼，讓代碼研究成分和工程成分的分離。
它的擴展模型可以在任何硬體（CPU、GPU、TPU）上運行，且容易被複製，刪除了大量的文件樣本，保持了自身的靈活性，運行速度快。
Lightning能夠使DL / ML研究的40多個部分實現自動化，例如GPU訓練、分布式GPU（集群）訓練、TPU訓練等等……
因為Lightning將可以將文件自動導出到ONNX或TorchScript，所以它適用於進行快速推理的AI研究員、BERT或者自監督學習的研究團隊等。
開源地址：https://github.com/PyTorchLightning/PyTorch-lightning
8、Hummingbird
Hummingbird是微軟的一項研究成果，它能夠將已經訓練好的ML模型彙編成張量計算，從而不需要設計新的模型。
還允許用戶使用神經網絡框架（例如PyTorch）來加速傳統的ML模型。
它的推理API跟sklearn範例十分相似，都可以重複使用現有的代碼，但是它是用Hummingbird生成的代碼去實現的。
Hummingbird還在Sklearn API之後提供了一個方便的統一推理API。這樣就可以將Sklearn模型與Hummingbird生成的模型互換，而無需更改推理代碼。
它之所以被重點關注，還因為它能夠支持多種多樣的模型和格式。
到目前為止，Hummingbird支持PyTorch、TorchScript、ONNX和TVM等各種ML模型。
開源地址：https://github.com/microsoft/hummingbird
9、HiPlot
由於ML模型變得越來越複雜，還有很多超參數，於是就需要用到HiPlot。HiPlot是今年3月Facebook發行的一個庫，主要用於處理高維數據。
Facebook AI通過幾十個超參數和10萬多個實驗，利用HiPlot，來分析深度神經網絡。
它是用平行圖和其他的圖像方式，幫助AI研究者發現高維數據的相關性和模型，是一款輕巧的交互式可視化工具。
HiPlot與其他可視化工具相比，有其特有的優點：
首先，它的互動性強，因為平行圖是交互式的，所以能夠滿足多種情況下的圖像可視化。
其次，它簡單易用，可以通過IPython Notebook或者通過帶有「 hiplot」命令的服務直接使用。
它還有具有可擴展性。默認情況下，HiPlot的Web服務可以解析CSV或JSON文件，還可以為其提供自定義Python解析器，將實驗轉換為HiPlot實驗。
開源地址：https://github.com/facebookresearch/hiplot參考連結：https://ai.facebook.com/blog/hiplot-high-dimensional-interactive-plots-made-easy
10、Scalene
Scalene是一個用於Python腳本的CPU和內存分析器，能夠正確處理多線程代碼，還能區分Python代碼和本機代碼的運行時間。
你不需要修改代碼，只需運行Scalene腳本，它就會生成一個文本形式的報告，顯示出每一行代碼的CPU和內存的使用情況。通過這個文本報告，開發人員可以提高代碼的效率。
Scalene的速度快、準確率高，還能夠對高耗能的代碼行進行標註。
開源地址https://github.com/emeryberger/scalene
除了以上10個，還有多個高性能的Python庫被點名了，例如Norfair、Quart、Alibi-detect、Einops……等等，詳情查看底部連結。
那麼，你今年有發現好用的Python庫嗎？
如果有的話，請在評論區一起分享一下呀~
參考連結：https://tryolabs.com/blog/2020/12/21/top-10-python-libraries-of-2020/
https://www.upgrad.com/blog/reasons-why-python-popular-with-developers/