機(jī)器學(xué)習(xí)令人無(wú)比神往，但從事這個(gè)工作的人可能并不這么想。
機(jī)器學(xué)習(xí)的工作內(nèi)容往往復(fù)雜枯燥又困難——通過(guò)大量重復(fù)工作進(jìn)行提升必不可少：
匯總工作流及傳輸渠道、設(shè)置數(shù)據(jù)源以及在內(nèi)部部署和云部署的資源之間來(lái)回分流。
所以使用工具提升你的工作效率實(shí)在很關(guān)鍵，而且像這樣的工具越多越好。
好在你學(xué)的是Python，作為一門(mén)威力巨大的工具語(yǔ)言，Python可以給你提供足夠的輔助工具，讓你在大數(shù)據(jù)和機(jī)器學(xué)習(xí)項(xiàng)目中游刃有余。
唯一的問(wèn)題在于Python海量的資源庫(kù)讓患有選擇困難癥的你難以取舍，因此糖豆貼心的給你找來(lái)了目前評(píng)價(jià)最高的五個(gè)Python庫(kù)。
1. PyWren
項(xiàng)目地址：https://github.com/ericmjonas/pywren
PyWren項(xiàng)目
PyWren，簡(jiǎn)單而強(qiáng)大，用于進(jìn)行基于Python的科學(xué)計(jì)算工作。
項(xiàng)目 At The New Stack 的簡(jiǎn)介這樣描述 PyWren:
把 AWS Lambda 作為一個(gè)巨大的平行處理系統(tǒng)，以處理那些可被切割成諸多小任務(wù)的項(xiàng)目，同時(shí)還可以節(jié)約很多內(nèi)存和硬盤(pán)空間。
Lambda 函數(shù)的一個(gè)缺點(diǎn)是運(yùn)行時(shí)間最長(zhǎng)不能超過(guò) 300 秒。
但是，如果你有一個(gè)只花費(fèi)幾分鐘就能完成卻需要在數(shù)據(jù)集中運(yùn)行數(shù)千次的工作，那么 PyWren 也許是一個(gè)好選擇，它可以在云端完成一種用戶硬件上不可用的規(guī)模平行化的工作。
2. Tfdeploy
項(xiàng)目地址：https://github.com/riga/tfdeploy
Tfdeploy項(xiàng)目
如果你需要使用基于谷歌的 TensorFlow 框架的訓(xùn)練模型卻不想使用框架本身的話，Tfdeploy可以幫你。
借由 Tfdeploy，可以在 Python 中使用模型，而且僅僅需要Numpy 的數(shù)學(xué)和統(tǒng)計(jì)庫(kù)作為支撐。
幾乎所有能在 TensorFlow 上跑的運(yùn)行也能在 Tfdeploy 上跑，而且你可以通過(guò)標(biāo)準(zhǔn) Python 隱喻方式來(lái)延伸庫(kù)的行為（比如，超載一個(gè)類(lèi)別）。
但是，Tf 部署并不支持 GPU 加速。
3.Luigi
項(xiàng)目地址：https://github.com/spotify/luigi
Luigi項(xiàng)目
編寫(xiě)成批作業(yè)通常只是處理海量數(shù)據(jù)的其中一步：你也不得不將所有這些工作串聯(lián)起來(lái)，做成類(lèi)似工作流程的東西。
Luigi 是 Spotify 打造的，用于解決所有通常與長(zhǎng)期運(yùn)行成批處理作業(yè)有關(guān)的管道問(wèn)題。
有了 Luigi，研發(fā)人員就可以從事幾個(gè)很難、與數(shù)據(jù)無(wú)關(guān)的任務(wù)處理——「 Hive 詢問(wèn)，在 Jave 上完成的 Hadoop 任務(wù)， Scala 上的 Spark 任務(wù)，從數(shù)據(jù)庫(kù)中導(dǎo)出表格」——?jiǎng)?chuàng)造一個(gè)端到端運(yùn)行它們的工作流。
對(duì)任務(wù)的整個(gè)描述以及依存性被打造為 Python 模塊，和 XML 配置文檔或其他數(shù)據(jù)形式不同，因此，可以被組合到其他以 Python 為中心的項(xiàng)目中去。
4.Kubelib
項(xiàng)目地址：https://github.com/safarijv/kubelib
Kubelib項(xiàng)目
如果你采用 Kubernetes 作為完成機(jī)器學(xué)習(xí)工作的編排系統(tǒng)（orchestration system），那你可能要小心的維護(hù)以免其自身運(yùn)行的BUG比它能解決的問(wèn)題都多。
Kubelib 為 Kubernetes 提供了一系列的 Python 接口，雖說(shuō)需要 Jekins ing 作為支持，但沒(méi)有 Jenkins 的情況下也能夠使用。
它能夠完成 暴露在 kubectl CLI 或者 Kubernetes API 中的所有事。
5.PyTorch
項(xiàng)目地址：https://github.com/pytorch/pytorch
PyTorch項(xiàng)目
最后一個(gè)成員還比較新，但卻已經(jīng)制造了足夠大的聲勢(shì)：Python 庫(kù)新成員 Pytorch，這一個(gè)Torch 機(jī)器學(xué)習(xí)框架工具。
PyTorch 不僅為 Torch 添加了 Python 端口，也增加了許多其他的便利，比如 GPU 加速，共享內(nèi)存完成多重處理（multiprocessing，特別是多核上隔離開(kāi)的工作。)
最大的亮點(diǎn)在于它們能為 Numpy 中的無(wú)加速功能提供 GPU 驅(qū)動(dòng)的替代選擇。
