deep learning frameworks
Deep Learning Libraries installer for ArcGIS Pro 2.8
ArcGIS Pro, Server und die ArcGIS API for Python umfassen alle Tools zur Verwendung von KI und Deep Learning zur Lösung von Geodatenproblemen, wie z. B. Feature-Extraktion, Pixelklassifizierung und Feature-Kategorisierung. Dieses Installationsprogramm umfasst eine breite Sammlung von Komponenten wie PyTorch, TensorFlow, Fast.ai und scikit-learn zur Durchführung von Deep-Learning- und maschinellen Lernaufgaben, insgesamt also 254 Pakete. Diese Pakete können mit den Deep Learning-Trainingstools und der interaktiven Objekterkennung mithilfe des arcgis.learn Moduls innerhalb der ArcGIS-API für Python verwendet und direkt in Ihre eigenen Skripte und Tools importiert werden. Die meisten Tools in dieser Sammlung funktionieren auf jedem Computer, gängige Deep-Learning-Workflows erfordern jedoch eine aktuelle NVIDIA-Grafikverarbeitungseinheit (GPU) und die Problemgröße ist durch den verfügbaren GPU-Speicher begrenzt (siehe Abschnitt „Anforderungen“).
Dieses Installationsprogramm fügt alle enthaltenen Pakete zur Standardumgebung arcgispro-py3 hinzu, mit der sowohl Pro als auch Server ausgeliefert werden. Es sind keine zusätzlichen Umgebungen erforderlich, um mit der Verwendung der Tools zu beginnen. Wenn Sie benutzerdefinierte Umgebungen erstellen, sind diese Pakete ebenfalls enthalten, sodass Sie dieselben Tools auch in Ihren eigenen benutzerdefinierten Umgebungen verwenden können.
Ein Beispiel für die Arten von Arbeitsabläufen, die dieses Installationsprogramm und ArcGIS ermöglichen, finden Sie im Video AI & Deep Learning im UC 2020-Plenum
Wichtig
Stellen Sie die Kompatibilität sicher, indem Sie die Versionen der Deep Learning-Bibliotheken und der ArcGIS-Software aufeinander abstimmen. Um ein Upgrade von einer früheren Version durchzuführen, deinstallieren Sie zunächst beide Deep Learning-Bibliotheken und Ihre ArcGIS-Software, indem Sie die unten aufgeführten Anweisungen befolgen.
Unter Windows:
Nachdem Sie das Archiv für Ihr Produkt heruntergeladen haben, extrahieren Sie die Zip-Datei an einen neuen Speicherort und führen Sie den Windows Installer (z. B. ProDeepLearning.msi ) unter Windows aus. Dadurch werden die Deep-Learning-Frameworks in der Standard-Python-Umgebung arcgispro-py3 installiert, jedoch nicht in benutzerdefinierten Umgebungen, die Sie vor der Ausführung dieser Installation erstellt haben. Nach der Installation enthalten nachfolgende Klone auch den vollständigen Deep-Learning-Paketsatz. Sie müssen die Datei extrahieren (nicht einfach die .MSI-Datei aus der Zip-Datei öffnen), sonst kann das Installationsprogramm ihren Inhalt nicht finden. Nach der Installation können die Archiv- und Installationsdateien gelöscht werden.
Auf Server Linux:
Extrahieren Sie das .tar.gz-Archiv, z. B. mit tar xvf <file>.tar.gz , und führen Sie dann das Skript DeepLearning-Setup.sh aus. Für Server 10.9 und früher würde dadurch ein Paketsatz innerhalb der Server-Laufzeitumgebung erstellt. Ab Server 10.9.1 erstellt diese Installation eine neue deeplearning Umgebung unter <Server Install>/framework/runtime/deeplearning und die Deep-Learning-Pakete sind alle native Linux-Implementierungen. Entfernen Sie als Nächstes bitte das Kommentarzeichen und aktualisieren Sie die Variable ARCGIS_CONDA_DEEPLEARNING in der Datei <Server Install>/arcgis/server/usr/init_user_param.sh und starten Sie Ihren ArcGIS-Server neu.
Upgrade von einer früheren Version:
Wenn Sie ein Upgrade von einer früheren Version durchführen, besteht die sicherste Möglichkeit für das Upgrade darin, sowohl das Produkt als auch das Deep-Learning-Installationsprogramm zu deinstallieren und erneut zu installieren. So aktualisieren Sie beispielsweise von Pro 3.2 auf Pro 3.3:
C:Program FilesArcGISProbinPythonenvsarcgispro-py3 oder einem entsprechenden Speicherort für Ihre Installation vorhanden sind. Diese könnten aus einer zuvor veränderten Umgebung übrig geblieben sein. Nach diesen Schritten sollten Sie über eine saubere Pro-Installation mit dem Deep Learning-Paketsatz verfügen, der in der Standardumgebung arcgispro-py3 enthalten ist.
Manuelle Installation:
| Wenn Sie diese Schritte ausführen, wird ein nicht zertifizierter Paketsatz installiert | |
|---|---|
| Stellen Sie sicher, dass Sie die Standard-Python-Umgebung klonen, um Ihre Installation zu sichern (siehe unten). |
Python Command Prompt .Start von Windows nach dieser Eingabeaufforderung suchen oder sie über den Installationsordner des Produkts starten.Python Command Prompt 3 durchführen--pinned nicht vergessen!)`conda create -n your-clone-name --clone arcgispro-py3 --pinned
activate your-clone-name
(your-clone-name) C:Program FilesArcGISProbinPythonenvs>
conda install deep-learning-essentials
y ein und drücken Sie Enter
proswap your-clone-name
your-clone-name als aktive Python-Umgebung gestartet und Sie sollten nun in der Lage sein, Deep-Learning-Tools zu verwendenWenn Sie in einer nicht verbundenen Umgebung arbeiten, laden Sie die erforderlichen Metapaketpakete über die unten stehenden Links herunter und befolgen Sie die Anweisungen unter den Schritten zur Installation, die auf der Seite des Pakets aufgeführt sind. Die Pakete platzieren Backbones für Deep-Learning-Modelle am angegebenen Installationsort, sodass beim Training von Deep-Learning-Modellen in ArcGIS kein Internetzugang erforderlich ist.
| Backbones-Pakete |
|---|
| ArcGIS Deep Learning Backbones-Paket |
| ArcGIS Timm Deep Learning Backbones Teil 1 v1.0.0-Paket |
| ArcGIS Timm Deep Learning Backbones Teil 2 v1.0.0-Paket |
| ArcGIS Timm Deep Learning Backbones Teil 3 v1.0.0-Paket |
| ArcGIS Timm Deep Learning Backbones Teil 4 v1.0.0-Paket |
| ArcGIS SAM Backbones 1.0.0-Paket |
| ArcGIS Mistral Backbone-Paket |
| ArcGIS Polygon Segmentation Postprocessing Backbone |
Sobald Sie die Deep-Learning-Bibliotheken installiert haben, können Sie die Deep-Learning-Tools verwenden, um Geodaten-Deep-Learning-Modelle zu trainieren. Sie können auch mehr über die Funktionen des arcgis.learn-Moduls erfahren, das einen speziellen Zugriff auf viele Geodatenmodelle bietet, die über die direkt als Geoverarbeitungswerkzeuge verfügbaren Modelle hinausgehen. Schließlich können Sie jede der oben genannten Bibliotheken zu Ihren eigenen Arbeitsabläufen hinzufügen, indem Sie die unten aufgeführten Pakete importieren.
Eine Sammlung technischer Workshops der Esri-Konferenz zum Thema Deep Learning:
Die meisten im Deep Learning Libraries-Installationsprogramm enthaltenen Pakete funktionieren sofort auf jeder Maschinenkonfiguration. Beispielsweise kann PyTorch optional eine GPU nutzen, greift jedoch auf die Ausführung seiner Berechnungen auf der CPU zurück, wenn keine GPU verfügbar ist. Allerdings ist die GPU-Berechnung deutlich schneller und einige Pakete wie TensorFlow in dieser Distribution funktionieren nur mit einer unterstützten GPU. CUDA (Compute Unified Device Architecture) ist eine Allzweck-Computing-Plattform für GPUs, eine Voraussetzung für aktuelle GPU-gestützte Deep-Learning-Tools.
| GPU-Anforderung | Unterstützt |
|---|---|
| GPU-Typ | NVIDIA mit mindestens CUDA Compute Capability 5.0, 6.1 oder höher empfohlen. Sehen Sie sich die Liste der CUDA-fähigen Karten an, um die Rechenleistung einer GPU zu ermitteln. |
| GPU-Treiber | NVIDIA-GPU-Treiber – Version 527.41 oder höher ist erforderlich. |
| Dedizierter Grafikspeicher † | Minimum: 4 GB Empfohlen: 8 GB oder mehr, abhängig von der Deep-Learning-Modellarchitektur und der verwendeten Batchgröße |
† Auf den GPU-Speicher kann im Gegensatz zum Systemspeicher nicht „virtuell“ zugegriffen werden. Wenn ein Modelltraining mehr GPU-Speicher verbraucht, als Ihnen zur Verfügung steht, schlägt es fehl. Der GPU-Speicher wird außerdem von allen Geräten gemeinsam genutzt, sodass offene Pro-Projekte mit Karten und anderen Anwendungen den verfügbaren Speicher für die Verwendung mit diesen Tools einschränken können.
Ein veralteter GPU-Treiber führt dazu, dass Deep-Learning-Tools mit Laufzeitfehlern fehlschlagen, die darauf hinweisen, dass CUDA nicht installiert ist oder eine nicht unterstützte Toolchain vorhanden ist. Stellen Sie sicher, dass Sie über aktuelle GPU-Treiber verfügen, die direkt von NVIDIA bereitgestellt werden.
Geoverarbeitungswerkzeuge, die Deep Learning nutzen, sind in mehrere Bereiche der Software integriert und erfordern die Installation der entsprechenden Erweiterungen, damit sie funktionieren:
| Werkzeuge | Verlängerung |
|---|---|
| Modellschulung, Schlussfolgerung und Erkundung | Bildanalytiker |
| Punktwolkenklassifizierung | 3D-Analyst |
| AutoML und Textanalyse | Erweitert, keine Erweiterung erforderlich |
| Bibliotheksname | Version | Beschreibung |
|---|---|---|
| absl-py | 2.1.0 | Gemeinsame Python-Bibliotheken abseilen |
| beschleunigen | 0,33,0 | Accelerate bietet Zugriff auf numerische Bibliotheken, die für die Leistung auf Intel-CPUs und NVidia-GPUs optimiert sind |
| süchtig | 2.4.0 | Stellt ein Wörterbuch bereit, dessen Elemente sowohl mithilfe der Attribut- als auch der Elementsyntax festgelegt werden können |
| affin | 2.3.0 | Matrizen, die die affine Transformation der Ebene beschreiben |
| aiohttp | 3.9.5 | Asynchrones HTTP-Client/Server-Framework (asyncio) |
| aiosignal | 1.2.0 | Eine Liste registrierter asynchroner Rückrufe |
| Albumentationen | 1.0.3 | Schnelle und flexible Bilderweiterungsbibliothek |
| Destillierkolben | 1.8.1 | Ein Datenbankmigrationstool für SQLAlchemy |
| aom | 3.9.1 | Video-Codec der Alliance for Open Media |
| astunparse | 1.6.3 | Ein AST-Unparser für Python |
| Atomicwrites | 1.4.0 | Atomare Datei schreibt für Python |
| Bits und Bytes | 0,43,3 | Zugängliche große Sprachmodelle über k-Bit-Quantisierung für PyTorch. |
| blsc | 1.21.3 | Eine blockierende, mischende und verlustfreie Komprimierungsbibliothek, die schneller sein kann als memcpy() |
| Schub | 1.82.0 | Boost bietet peer-reviewte portable C++-Quellbibliotheken |
| branca | 0,6,0 | Generieren Sie umfangreiche HTML- und JS-Elemente aus Python |
| bzip2 | 1.0.8 | Hochwertiger Datenkompressor |
| Kairo | 1.18.2 | Eine 2D-Grafikbibliothek mit Unterstützung für mehrere Ausgabegeräte |
| Katalog | 2.0.10 | Superleichte Funktionsregister für Ihre Bibliothek |
| Catboost | 1.2.3 | Gradient Boosting in der Entscheidungsbaumbibliothek |
| Kategorie_Encoder | 2.2.2 | Eine Sammlung von Sklearn-Transformatoren zum Kodieren kategorialer Variablen als numerische Variablen |
| ccimport | 0.4.2 | Schnelle C++-Python-Bindung |
| Charles | 2.2.0 | CharLS, eine C++-JPEG-LS-Bibliotheksimplementierung |
| Click-Plugins | 1.1.1 | Ein Erweiterungsmodul für Click, um die Registrierung von CLI-Befehlen über Setuptools-Einstiegspunkte zu ermöglichen |
| Cliff | 3.8.0 | Befehlszeilenschnittstellen-Formulierungsframework |
| cligj | 0.7.2 | Klicken Sie auf Parameter für Befehlszeilenschnittstellen zu GeoJSON |
| cloudpathlib | 0,16,0 | pathlib.Path-Klassen für die Interaktion mit Dateien in verschiedenen Cloud-Speicherdiensten. |
| cmaes | 0.8.2 | Blackbox-Optimierung mit der Covariance Matrix Adaptation Evolution Strategy |
| cmd2 | 2.4.3 | Ein Tool zum Erstellen interaktiver Befehlszeilen-Apps |
| farbige Protokolle | 15.0.1 | Farbige Terminalausgabe für das Protokollierungsmodul von Python |
| Farbprotokoll | 5.0.1 | Protokollformatierung mit Farben! |
| Farbe | 0,1,5 | Python-Bibliothek zur Manipulation von Farbdarstellungen (RGB, HSL, Web, ...) |
| Konfekt | 0.1.4 | Das süßeste Konfigurationssystem für Python |
| cudatoolkit | 11.8.0 | Das CUDA-Toolkit von NVIDIA |
| cudnn | 8.7.0.84 | NVIDIAs cuDNN-Beschleunigungsbibliothek für tiefe neuronale Netzwerke |
| Kumm | 0.4.11 | CUda Matrix Multiply-Bibliothek |
| Cymem | 2.0.6 | Verwalten Sie Anrufe bei calloc/free über Cython |
| Cython | 3.0.10 | Der Cython-Compiler zum Schreiben von C-Erweiterungen für die Python-Sprache |
| Cython-Blis | 0,7,9 | Schnelle Matrixmultiplikation als eigenständige Python-Bibliothek – keine Systemabhängigkeiten! |
| Datensätze | 2.16.1 | HuggingFace/Datasets ist eine offene Bibliothek von NLP-Datensätzen. |
| dav1d | 1.2.1 | Der schnellste AV1-Decoder auf allen Plattformen |
| Deep-Learning-Grundlagen | 3.4 | Umfangreiche Sammlung von Deep-Learning-Paketen |
| Descartes | 1.1.0 | Verwenden Sie geometrische Objekte als Matplotlib-Pfade und -Patches |
| entreg | 1.0.0 | PyTorch-Wrapper für CUDA-Funktionen der mehrskaligen verformbaren Aufmerksamkeit |
| Dill | 0,3,7 | Serialisieren Sie (fast) das gesamte Python |
| dm-Baum | 0.1.7 | Eine Bibliothek zum Arbeiten mit verschachtelten Datenstrukturen |
| dtreeviz | 1.3.7 | Visualisierung des Entscheidungsbaums |
| einops | 0,7,0 | Eine neue Art von Deep-Learning-Operationen |
| Ensemble-Boxen | 1.0.8 | Methoden zum Zusammenstellen von Kästchen aus Objekterkennungsmodellen |
| Auswanderer | 2.6.3 | Expat XML-Parser-Bibliothek in C |
| fairlearn | 0,8,0 | Einfache und einfache Fairness-Bewertung und Ungerechtigkeitsminderung |
| fastai | 1.0.63 | Fastai macht Deep Learning mit PyTorch schneller, genauer und einfacher |
| schneller Fortschritt | 0.2.3 | Ein schneller und einfacher Fortschrittsbalken für Jupyter Notebook und Konsole |
| Fasttext | 0.9.2 | Effizientes Textklassifizierungs- und Darstellungslernen |
| ffmpeg | 7.0.0 | Plattformübergreifende Lösung zum Aufzeichnen, Konvertieren und Streamen von Audio und Video |
| Dateisperre | 3.13.1 | Eine plattformunabhängige Dateisperre |
| fiona | 1.9.6 | OGRs übersichtliche, flinke und sachliche API für Python-Programmierer |
| Feuer | 0,4,0 | Eine Bibliothek zum Erstellen von CLIs aus absolut jedem Python-Objekt |
| Folium | 0,14,0 | Erstellen Sie wunderschöne Karten mit Leaflet.js und Python |
| fribidi | 1.0.10 | Die freie Implementierung des bidirektionalen Unicode-Algorithmus |
| Frozenlist | 1.4.0 | Eine listenartige Struktur, diecollections.abc.MutableSequence implementiert |
| Gast | 0.5.3 | Python AST, der die zugrunde liegende Python-Version abstrahiert |
| gdown | 5.2.0 | Laden Sie große Dateien von Google Drive herunter. |
| Geopandas | 1.0.1 | Geografische Pandas-Erweiterungen, Basispaket |
| Geopandas-Basis | 1.0.1 | Geografische Pandas-Erweiterungen, Metapaket |
| Geos | 3.12.1 | Eine C++-Portierung der Java Topology Suite (JTS) |
| getopt-win32 | 0,1 | Eine Portierung von getopt für Visual C++ |
| gflags | 2.2.2 | Eine C++-Bibliothek, die die Verarbeitung von Befehlszeilenflags implementiert |
| giflib | 5.2.1 | Bibliothek zum Lesen und Schreiben von GIF-Bildern |
| glatt | 2.78.4 | Bietet zentrale Anwendungsbausteine für in C geschriebene Bibliotheken und Anwendungen |
| Glib-Tools | 2.78.4 | Bietet zentrale Anwendungsbausteine für in C geschriebene Bibliotheken und Anwendungen sowie Befehlszeilentools |
| Google-Auth | 2.29.0 | Google-Authentifizierungsbibliothek für Python |
| google-auth-oauthlib | 0.5.2 | Google Authentication Library, oauthlib-Integration mit google-auth |
| Google-Pasta | 0.2.0 | Pasta ist eine AST-basierte Python-Refactoring-Bibliothek |
| gputil | 1.4.0 | NVIDIA-GPU-Status von Python |
| Graphit2 | 1.3.14 | Ein „Smart Font“-System, das die Komplexität weniger bekannter Sprachen der Welt bewältigt |
| graphviz | 8.1.0 | Open-Source-Software zur Diagrammvisualisierung |
| Erdungdino-py | 0,4,0 | offener Objektdetektor |
| grpcio | 1.46.3 | HTTP/2-basiertes RPC-Framework |
| gts | 0,7,6 | GNU Triangulated Surface Library |
| h3-py | 3.7.6 | H3 Hexagonales hierarchisches Geoindizierungssystem |
| Harfbuzz | 4.3.0 | Eine OpenType-Textformungs-Engine |
| Huggingface_hub | 0,24,3 | Client-Bibliothek zum Herunterladen und Veröffentlichen von Modellen auf dem Huggingface.co-Hub |
| menschenfreundlich | 10.0 | Benutzerfreundliche Ausgabe für Textschnittstellen mit Python |
| icu | 73.1 | Internationale Komponenten für Unicode |
| Bildcodecs | 2023.1.23 | Bildtransformations-, Komprimierungs- und Dekomprimierungscodecs |
| Bild | 2.33.1 | Eine Python-Bibliothek zum Lesen und Schreiben von Bilddaten |
| imgaug | 0,4,0 | Bildvergrößerung für maschinelle Lernexperimente |
| inplace-abn | 1.1.0 | Vor Ort aktivierte BatchNorm |
| joblib | 1.4.2 | Python fungiert als Pipeline-Jobs |
| js2py | 0,74 | JavaScript-zu-Python-Übersetzer und JavaScript-Interpreter, geschrieben in 100 % reinem Python. |
| jxrlib | 1.1 | jxrlib – JPEG XR-Bibliothek von Microsoft, erstellt aus von Debian gehosteten Quellen. |
| Keras | 2.13.1 | Deep-Learning-Bibliothek für Theano und TensorFlow |
| Langcodes | 3.3.0 | Beschriftet und vergleicht menschliche Sprachen auf standardisierte Weise |
| Lerche | 1.1.2 | eine moderne Parsing-Bibliothek |
| lächerlich | 1.7.1 | Eine Python-Bibliothek zum Lesen, Ändern und Erstellen von LAS-Dateien |
| lazy_loader | 0,4 | Laden Sie Unterpakete und Funktionen ganz einfach nach Bedarf |
| lcms2 | 2.16 | Das kleine Farbmanagementsystem |
| lerc | 3,0 | Begrenzte Fehler-Rasterkomprimierung |
| libaec | 1.0.4 | Adaptive Entropie-Kodierungsbibliothek |
| libavif | 1.1.1 | Eine benutzerfreundliche, portable C-Implementierung des AV1-Bilddateiformats |
| libboost | 1.82.0 | Kostenlose, von Experten überprüfte, portable C++-Quellbibliotheken |
| libclang | 14.0.6 | Entwicklungsheader und Bibliotheken für den Clang-Compiler |
| libclang13 | 14.0.6 | Entwicklungsheader und Bibliotheken für den Clang-Compiler |
| libcurl | 8.9.1 | Tool und Bibliothek zur Datenübertragung mit URL-Syntax |
| libffi | 3.4.4 | Tragbare Schnittstellenbibliothek für Fremdfunktionen |
| libgd | 2.3.3 | Bibliothek zur dynamischen Erstellung von Bildern |
| libglib | 2.78.4 | Bietet zentrale Anwendungsbausteine für in C geschriebene Bibliotheken und Anwendungen |
| libiconv | 1.16 | Konvertieren Sie Text zwischen verschiedenen Kodierungen |
| libnghttp2 | 1.62.1 | HTTP/2-C-Bibliothek |
| libopencv | 4.8.1 | Softwarebibliothek für Computer Vision und maschinelles Lernen |
| libspatialindex | 1.9.3 | Erweiterbares Framework für robuste räumliche Indizierung |
| libsrt | 1.5.3 | Sicherer und zuverlässiger Transport |
| libuv | 1.40.0 | Plattformübergreifende asynchrone E/A |
| libwebp | 1.3.2 | WebP-Bildbibliothek |
| libwebp-base | 1.3.2 | WebP-Bildbibliothek, minimale Basisbibliothek |
| libxgboost | 2.0.3 | Extreme Steigungsverstärkung |
| libzopfli | 1.0.3 | Eine Komprimierungsbibliothek für sehr gute, aber langsame Deflate- oder Zlib-Komprimierung |
| lightgbm | 4.3.0 | LightGBM ist ein Framework zur Gradientenverstärkung, das baumbasierte Lernalgorithmen verwendet |
| llvmlite | 0,42,0 | Eine leichte LLVM-Python-Bindung zum Schreiben von JIT-Compilern |
| Mako | 1.2.3 | In Python geschriebene Vorlagenbibliothek |
| Kartenklassifizieren | 2.5.0 | Klassifizierungsschemata für Choroplethenkarten |
| Abschlag | 3.4.1 | Python-Implementierung von Markdown |
| markdown-it-py | 2.2.0 | Python-Port von markdown-it. Markdown-Parsing, richtig gemacht! |
| mdurl | 0.1.0 | URL-Dienstprogramme für den Markdown-it-py-Parser |
| mljar-überwacht | 0.11.2 | Automatisierte Pipeline für maschinelles Lernen mit Feature Engineering und Hyperparameter-Tuning |
| mmcv | 2.0.1 | OpenMMLab Computer Vision Foundation |
| mmdet | 3.1.0 | OpenMMLab Detection Toolbox und Benchmark |
| mmdet3d | 1.2.0 | Plattform der nächsten Generation für die allgemeine 3D-Objekterkennung |
| mmengine | 0,8,5 | Engine von OpenMMLab-Projekten |
| mmsegmentierung | 1.1.2 | Semantische Segmentierungs-Toolbox und Benchmark |
| Motmetrics | 1.1.3 | Benchmarken Sie mehrere Objekt-Tracker (MOT) in Python |
| Multidict | 6.0.4 | Schlüssel-Wert-Paare, bei denen Schlüssel sortiert sind und wiederkehren können |
| Mehrprozess | 0,70,15 | besseres Multiprocessing und Multithreading in Python |
| Munch | 2.5.0 | Ein durch Punkte zugängliches Wörterbuch (a la JavaScript-Objekte) |
| murmelhash | 1.0.7 | Eine nicht-kryptografische Hash-Funktion |
| nb_conda_kernels | 2.5.1 | Starten Sie Jupyter-Kernel für jede installierte Conda-Umgebung |
| neuronal-strukturiertes-lernen | 1.4.0 | Trainieren Sie neuronale Netze mit strukturierten Signalen |
| ninja_syntax | 1.7.2 | Python-Modul zum Generieren von .ninja-Dateien |
| numba | 0,59,1 | NumPy-fähiger dynamischer Python-Compiler mit LLVM |
| nuscenes-devkit | 1.1.3 | Das Devkit des nuScenes-Datensatzes |
| nvidia-ml-py3 | 7.352.0 | Python-Bindungen an die NVIDIA-Verwaltungsbibliothek |
| onnx | 1.13.1 | Öffnen Sie die Neural Network Exchange-Bibliothek |
| onnx-tf | 1.9.0 | Experimentelles Tensorflow-Backend für ONNX |
| onnxruntime | 1.18.1 | Hochleistungsfähiger ML-Inferenz- und Trainingsbeschleuniger, Python-Bibliothek |
| onnxruntime-cpp | 1.18.1 | Hochleistungsfähiger ML-Inferenz- und Trainingsbeschleuniger, C++-Laufzeit |
| opencv | 4.8.1 | Softwarebibliothek für Computer Vision und maschinelles Lernen |
| openjpeg | 2.5.0 | Ein in C geschriebener Open-Source-JPEG-2000-Codec |
| opt-einsum | 3.3.0 | Optimierung von Einsum-Funktionen in NumPy, Tensorflow, Dask und mehr mit Optimierung der Kontraktionsreihenfolge |
| optuna | 3.0.4 | Ein Hyperparameter-Optimierungsframework |
| Pango | 1.50.7 | Textlayout und Rendering-Engine |
| pathetisch | 0.10.3 | Eine Pfadschnittstelle für lokalen und Cloud-Bucket-Speicher |
| pbr | 5.6.0 | Angemessenheit des Python-Builds |
| pccm | 0.4.11 | Python C++-Codemanager |
| pcre2 | 10.42 | Mustervergleich für reguläre Ausdrücke unter Verwendung derselben Syntax und Semantik wie Perl 5 |
| Pixman | 0,43,4 | Eine Low-Level-Softwarebibliothek zur Pixelmanipulation |
| verschwörerisch | 5.20.0 | Eine interaktive, browserbasierte Grafikbibliothek für Python |
| Portallocker | 2.3.0 | Portalocker ist eine Bibliothek, die eine einfache API zum Sperren von Dateien bereitstellt. |
| portaudio | 19.6.0 | Eine plattformübergreifende Open-Source-Audio-I/O-Bibliothek |
| vorgewaschen | 3.0.6 | Cython-Hash-Tabelle für vorgehashte Schlüssel |
| hübscher Tisch | 2.1.0 | Zeigen Sie Tabellendaten in einem optisch ansprechenden ASCII-Tabellenformat an |
| proj4 | 9.4.1 | PROJ-Softwarebibliothek zur Koordinatentransformation |
| py-boost | 1.82.0 | Kostenlose, von Experten überprüfte, portable C++-Quellbibliotheken |
| py-opencv | 4.8.1 | Softwarebibliothek für Computer Vision und maschinelles Lernen |
| py-xgboost | 2.0.3 | Python-Bindungen für die skalierbare, portable und verteilte XGBoost-Bibliothek zur Gradientenverstärkung |
| pyasn1 | 0,4,8 | ASN.1-Typen und Codecs |
| pyasn1-Module | 0,2,8 | Eine Sammlung von ASN.1-basierten Protokollmodulen |
| Pycocotools | 2.0.7 | Python-API für den MS-COCO-Datensatz |
| pyjsparser | 2.7.1 | Schneller Javascript-Parser (basierend auf esprima.js) |
| pyopenssl | 24.2.1 | Python-Wrapper-Modul rund um die OpenSSL-Bibliothek |
| pyperclip | 1.8.2 | Ein plattformübergreifendes Zwischenablagemodul für Python |
| pyproj | 3.6.1 | Python-Schnittstelle zur PROJ4-Bibliothek für kartografische Transformationen |
| Pyquaternion | 0.9.9 | Pythonische Bibliothek zur Darstellung und Verwendung von Quaternionen |
| pyreadline3 | 3.4.1 | Eine Python-Implementierung von GNU Readline, modernisiert |
| Python-Flatbuffers | 23.5.26 | Python-Laufzeitbibliothek zur Verwendung mit dem Flatbuffers-Serialisierungsformat |
| Python-Graphviz | 0,20,1 | Einfache Python-Schnittstelle für Graphviz |
| Python-Soundgerät | 0.4.4 | Mit Python Ton abspielen und aufnehmen |
| python-tzdata | 2023.3 | Anbieter von IANA-Zeitzonendaten |
| python-xxhash | 2.0.2 | Python-Bindung für xxHash |
| Pytorch | 2.0.1 | PyTorch ist eine optimierte Tensorbibliothek für Deep Learning mit GPUs und CPUs |
| pywin32 | 305 | Python-Erweiterungen für Windows |
| Rasterio | 1.3.10 | Rasterio liest und schreibt Geodatensätze |
| reich | 13.3.5 | Rendern Sie Rich Text, Tabellen, Fortschrittsbalken, Syntaxhervorhebung, Markdown und mehr auf dem Terminal |
| RSA | 4.7.2 | Pure-Python RSA-Implementierung |
| rtree | 1.0.1 | R-Tree räumlicher Index für Python GIS |
| Safetensoren | 0.4.2 | Schnelle und sichere Tensor-Serialisierung |
| Samgeo | 3.4 | Eine Sammlung der wesentlichen Pakete für die Arbeit mit dem Segment Geospatial (samgeo)-Stack. |
| Scikit-Bild | 0,22,0 | Bildverarbeitungsroutinen für SciPy |
| scikit-lernen | 1.3.0 | Eine Reihe von Python-Modulen für maschinelles Lernen und Data Mining |
| Scikit-Plot | 0,3,7 | Plotten für Scikit-Learn-Objekte |
| segment-irgendetwas | 1,0 | Ein inoffizielles Python-Paket für das Segment Anything Model von Meta AI |
| segment-irgendetwas-hq | 0,3 | Offizielles Python-Paket für Segment Anything in High Quality |
| Segment-Geospatial | 0.10.2 | Ein Python-Paket zum Segmentieren von Geodaten mit dem Segment Anything Model (SAM) |
| Satzstück | 0,1,99 | Unbeaufsichtigter Text-Tokenizer und Detokenizer |
| Gestalt | 0,42,1 | Ein einheitlicher Ansatz zur Erklärung der Ausgabe jedes maschinellen Lernmodells |
| formschön | 2.0.5 | Geometrische Objekte, Prädikate und Operationen |
| Shellingham | 1.5.0 | Werkzeug zum Erkennen der umgebenden Hülle |
| Allesschneider | 0,0,7 | Eine kleine Packung für große Stücke |
| smart_open | 5.2.1 | Python-Bibliothek für effizientes Streaming großer Dateien |
| kuschelig | 1.4.7 | Snuggs sind S-Ausdrücke für NumPy |
| spacig | 3.7.2 | Industrielle Verarbeitung natürlicher Sprache |
| Spacy-Legacy | 3.0.12 | spaCy NLP-Legacy-Funktionen und -Architekturen für Abwärtskompatibilität |
| Spacy-Logger | 1.0.4 | Alternative Logger für das SpaCy-Pipeline-Training |
| spconv | 2.3.6 | Räumlich spärliche Faltung |
| Ehrlich gesagt | 2.4.8 | Moderne leistungsstarke Serialisierungsdienstprogramme für Python |
| Stauer | 5.1.0 | Verwalten Sie dynamische Plugins für Python-Anwendungen |
| Aufsicht | 0,6,0 | Eine Reihe benutzerfreundlicher Hilfsprogramme, die sich bei jedem Computer-Vision-Projekt als nützlich erweisen |
| tabellieren | 0.9.0 | Tabellendaten in Python, einer Bibliothek und einem Befehlszeilendienstprogramm, hübsch drucken |
| tbb | 2021.8.0 | Abstrakte Threading-Bibliothek auf hohem Niveau |
| Zähigkeit | 8.2.3 | Wiederholen Sie eine Flaky-Funktion, wenn eine Ausnahme auftritt, bis sie funktioniert |
| Tensorboard | 2.13.0 | Mit TensorBoard können Sie den Tensors Flow beobachten |
| Tensorboard-Datenserver | 0,7,0 | Datenserver für TensorBoard |
| Tensorboard-Plugin-wit | 1.6.0 | Was-wäre-wenn-Tool TensorBoard-Plugin |
| tensorboardx | 2.6.2.2 | Mit TensorBoardX können Sie Tensors Flow ohne TensorFlow beobachten |
| Tensorfluss | 2.13.0 | TensorFlow ist eine Bibliothek für maschinelles Lernen |
| Tensorflow-Addons | 0,22,0 | Nützliche Zusatzfunktionen für TensorFlow |
| Tensorflow-Schätzer | 2.13.0 | TensorFlow-Schätzer |
| Tensorflow-Hub | 0,16,1 | Eine Bibliothek für Transferlernen durch Wiederverwendung von Teilen von TensorFlow-Modellen |
| Tensorflow-io-gcs-Dateisystem | 0,31,0 | Datensatz-, Streaming- und Dateisystemerweiterungen |
| Tensorflow-Modelloptimierung | 0,7,5 | TensorFlow-Modelloptimierungs-Toolkit |
| Tensorflow-Wahrscheinlichkeit | 0,20,1 | TensorFlow Probability ist eine Bibliothek für probabilistisches Denken und statistische Analysen in TensorFlow |
| termcolor | 2.1.0 | ANSII-Farbformatierung für die Ausgabe im Terminal |
| Terminaltabellen | 3.1.0 | Generieren Sie einfache Tabellen in Terminals aus einer verschachtelten Liste von Zeichenfolgen |
| tflite-Modellbauer | 0.3.4 | Eine Modellanpassungsbibliothek für Anwendungen auf dem Gerät |
| tflite-Unterstützung | 0.4.4 | TensorFlow Lite-Unterstützung für die Bereitstellung von TFLite-Modellen auf mobilen Geräten |
| dünn | 8.2.2 | Lernen Sie supersparsame Mehrklassenmodelle |
| threadpoolctl | 3.5.0 | Python-Helfer zur Steuerung der Threadpools nativer Bibliotheken |
| TIFF-Datei | 2023.4.12 | TIFF-Dateien lesen und schreiben |
| timm | 0.4.12 | PyTorch-Bildmodelle |
| Tokenisierer | 0,19,1 | Schnelle, hochmoderne Tokenizer, optimiert für Forschung und Produktion |
| Fackelbündel | 1.6.3 | Erweiterungsbibliothek hochoptimierter Graph-Cluster-Algorithmen zur Verwendung in PyTorch |
| fackelgeometrisch | 2.4.0 | Geometrische Deep-Learning-Erweiterungsbibliothek für PyTorch |
| Fackelstreuung | 2.1.2 | Erweiterungsbibliothek hochoptimierter Sparse-Update-Operationen (Scatter und Segment). |
| Fackelspärlich | 0.6.18 | Erweiterungsbibliothek optimierter Sparse-Matrix-Operationen mit Autograd-Unterstützung |
| Torch-Spline-Conv | 1.2.2 | PyTorch-Implementierung des Spline-basierten Faltungsoperators von SplineCNN |
| Fackelvision | 0,15,2 | Bild- und Videodatensätze und Modelle für Torch Deep Learning |
| Torchvision-cpp | 0,15,2 | Bild- und Videodatensätze und Modelle für Torch Deep Learning, C++-Schnittstelle |
| Transformatoren | 4.43.4 | Modernste Verarbeitung natürlicher Sprache für TensorFlow 2.0 und PyTorch |
| Trimesh | 2.35.39 | Dreiecksnetze importieren, exportieren, verarbeiten, analysieren und anzeigen. |
| Schreibschutz | 2.12.1 | Laufzeittypprüfer für Python |
| Schreiber | 0.9.0 | Eine Bibliothek zum Erstellen von CLI-Anwendungen |
| Tippen | 3.10.0.0 | Geben Sie Hinweise für Python ein – Backport für Python<3.5 |
| tzlocal | 5.2 | tzinfo-Objekt für die lokale Zeitzone |
| Wasabi | 0.9.1 | Ein leichtes Toolkit zum Drucken und Formatieren der Konsole |
| Wiesel | 0.3.4 | Ein kleines und einfaches Workflow-System |
| werkzeug | 3.0.3 | Die Python-WSGI-Dienstprogrammbibliothek |
| Wortwolke | 1.9.3 | Ein kleiner Wortwolkengenerator in Python |
| xgboost | 2.0.3 | Skalierbare, tragbare und verteilte Gradient Boosting-Bibliothek (GBDT, GBRT oder GBM). |
| xmltodict | 0,13,0 | Die Arbeit mit XML vermittelt das Gefühl, mit JSON zu arbeiten |
| xxhash | 0,8,0 | Extrem schneller Hash-Algorithmus |
| xyzservices | 2022.9.0 | Quelle der XYZ-Kachelanbieter |
| japf | 0,40,2 | Ein Formatierer für Python-Dateien |
| Yarl | 1.9.3 | Noch eine weitere URL-Bibliothek |
| zfp | 1.0.0 | Bibliothek für komprimierte numerische Arrays, die Lese- und Schreibzugriff mit hohem Durchsatz unterstützt |
| _py-xgboost-mutex | 2,0 | Metapaket zur Auswahl der gewünschten Implementierung von XGBoost |
| Bibliotheksname | Version | Beschreibung |
|---|---|---|
| absl-py | 2.1.0 | Gemeinsame Python-Bibliotheken abseilen |
| süchtig | 3.4.0 | Stellt ein Wörterbuch bereit, dessen Elemente sowohl mithilfe der Attribut- als auch der Elementsyntax festgelegt werden können |
| affin | 2.3.0 | Matrizen, die die affine Transformation der Ebene beschreiben |
| aiohttp | 3.9.5 | Asynchrones HTTP-Client/Server-Framework (asyncio) |
| aiosignal | 1.2.0 | Eine Liste registrierter asynchroner Rückrufe |
| Albumentationen | 1.0.3 | Schnelle und flexible Bilderweiterungsbibliothek |
| Destillierkolben | 1.8.1 | Ein Datenbankmigrationstool für SQLAlchemy |
| annotierte Typen | 0,6,0 | Wiederverwendbare Einschränkungstypen zur Verwendung mit typing.Annotated |
| aom | 3.6.0 | Video-Codec der Alliance for Open Media |
| astunparse | 1.6.3 | Ein AST-Unparser für Python |
| Atomicwrites | 1.4.0 | Atomare Datei schreibt für Python |
| blsc | 1.21.3 | Eine blockierende, mischende und verlustfreie Komprimierungsbibliothek, die schneller sein kann als memcpy() |
| Schub | 1.82.0 | Boost bietet peer-reviewte portable C++-Quellbibliotheken |
| branca | 0,6,0 | Generieren Sie umfangreiche HTML- und JS-Elemente aus Python |
| bzip2 | 1.0.8 | Hochwertiger Datenkompressor |
| Kairo | 1.16.0 | Eine 2D-Grafikbibliothek mit Unterstützung für mehrere Ausgabegeräte |
| Katalog | 2.0.10 | Superleichte Funktionsregister für Ihre Bibliothek |
| Catboost | 1.2.3 | Gradient Boosting in der Entscheidungsbaumbibliothek |
| Kategorie_Encoder | 2.2.2 | Eine Sammlung von Sklearn-Transformatoren zum Kodieren kategorialer Variablen als numerische Variablen |
| ccimport | 0.4.2 | Schnelle C++-Python-Bindung |
| Charles | 2.2.0 | CharLS, eine C++-JPEG-LS-Bibliotheksimplementierung |
| Click-Plugins | 1.1.1 | Ein Erweiterungsmodul für Click, um die Registrierung von CLI-Befehlen über Setuptools-Einstiegspunkte zu ermöglichen |
| Cliff | 3.8.0 | Befehlszeilenschnittstellen-Formulierungs-Framework |
| cligj | 0.7.2 | Klicken Sie auf Parameter für Befehlszeilenschnittstellen zu GeoJSON |
| cloudpathlib | 0,16,0 | pathlib.Path-Klassen für die Interaktion mit Dateien in verschiedenen Cloud-Speicherdiensten. |
| cmaes | 0.8.2 | Blackbox-Optimierung mit der Covariance Matrix Adaptation Evolution Strategy |
| cmd2 | 2.4.3 | Ein Tool zum Erstellen interaktiver Befehlszeilen-Apps |
| farbige Protokolle | 15.0.1 | Farbige Terminalausgabe für das Protokollierungsmodul von Python |
| Farbprotokoll | 5.0.1 | Protokollformatierung mit Farben! |
| Farbe | 0,1,5 | Python-Bibliothek zur Manipulation von Farbdarstellungen (RGB, HSL, Web, ...) |
| Konfekt | 0.1.4 | Das süßeste Konfigurationssystem für Python |
| cudatoolkit | 11.8.0 | Das CUDA-Toolkit von NVIDIA |
| cudnn | 8.7.0.84 | NVIDIAs cuDNN-Beschleunigungsbibliothek für tiefe neuronale Netzwerke |
| Kumm | 0.4.11 | CUda Matrix Multiply-Bibliothek |
| Cymem | 2.0.6 | Verwalten Sie Anrufe bei calloc/free über Cython |
| Cython | 3.0.10 | Der Cython-Compiler zum Schreiben von C-Erweiterungen für die Python-Sprache |
| Cython-Blis | 0,7,9 | Schnelle Matrixmultiplikation als eigenständige Python-Bibliothek – keine Systemabhängigkeiten! |
| Datensätze | 2.16.1 | HuggingFace/Datasets ist eine offene Bibliothek von NLP-Datensätzen. |
| dav1d | 1.2.1 | Der schnellste AV1-Decoder auf allen Plattformen |
| Deep-Learning-Grundlagen | 3.3 | Umfangreiche Sammlung von Deep-Learning-Paketen |
| Descartes | 1.1.0 | Verwenden Sie geometrische Objekte als Matplotlib-Pfade und -Patches |
| entreg | 1.0.0 | PyTorch-Wrapper für CUDA-Funktionen der mehrskaligen verformbaren Aufmerksamkeit |
| Dill | 0,3,7 | Serialisieren Sie (fast) ganz Python |
| dm-Baum | 0.1.7 | Eine Bibliothek zum Arbeiten mit verschachtelten Datenstrukturen |
| dtreeviz | 1.3.7 | Visualisierung des Entscheidungsbaums |
| einops | 0,7,0 | Eine neue Art von Deep-Learning-Operationen |
| Ensemble-Boxen | 1.0.8 | Methoden zum Zusammenstellen von Kästchen aus Objekterkennungsmodellen |
| Auswanderer | 2.6.0 | Expat XML-Parser-Bibliothek in C |
| fairlearn | 0,8,0 | Einfache und einfache Fairness-Bewertung und Ungerechtigkeitsminderung |
| fastai | 1.0.63 | Fastai macht Deep Learning mit PyTorch schneller, genauer und einfacher |
| schneller Fortschritt | 0.2.3 | Ein schneller und einfacher Fortschrittsbalken für Jupyter Notebook und Konsole |
| Fasttext | 0.9.2 | Effizientes Textklassifizierungs- und Darstellungslernen |
| ffmpeg | 6.1.1 | Plattformübergreifende Lösung zum Aufzeichnen, Konvertieren und Streamen von Audio und Video |
| Dateisperre | 3.13.1 | Eine plattformunabhängige Dateisperre |
| fiona | 1.9.5 | OGRs übersichtliche, flinke und sachliche API für Python-Programmierer |
| Feuer | 0,4,0 | Eine Bibliothek zum Erstellen von CLIs aus absolut jedem Python-Objekt |
| Folium | 0,14,0 | Erstellen Sie wunderschöne Karten mit Leaflet.js und Python |
| Schriftartkonfiguration | 2.14.1 | Eine Bibliothek zum Konfigurieren und Anpassen des Schriftartenzugriffs |
| fribidi | 1.0.10 | Die freie Implementierung des bidirektionalen Unicode-Algorithmus |
| Frozenlist | 1.4.0 | Eine listenartige Struktur, diecollections.abc.MutableSequence implementiert |
| Gast | 0.5.3 | Python AST, der die zugrunde liegende Python-Version abstrahiert |
| gdown | 4.7.1 | Laden Sie große Dateien von Google Drive herunter. |
| Geopandas | 0,14,1 | Geografische Pandas-Erweiterungen, Basispaket |
| Geopandas-Basis | 0,14,1 | Geografische Pandas-Erweiterungen, Metapaket |
| Geos | 3.12.1 | Eine C++-Portierung der Java Topology Suite (JTS) |
| getopt-win32 | 0,1 | Eine Portierung von getopt für Visual C++ |
| gflags | 2.2.2 | Eine C++-Bibliothek, die die Verarbeitung von Befehlszeilenflags implementiert |
| giflib | 5.2.1 | Bibliothek zum Lesen und Schreiben von GIF-Bildern |
| glatt | 2.78.4 | Bietet zentrale Anwendungsbausteine für in C geschriebene Bibliotheken und Anwendungen |
| Glib-Tools | 2.78.4 | Bietet zentrale Anwendungsbausteine für in C geschriebene Bibliotheken und Anwendungen sowie Befehlszeilentools |
| Google-Auth | 2.29.0 | Google Authentication Library für Python |
| Google-Auth-oauthlib | 0.5.2 | Google Authentication Library, OAuthlib-Integration in Google-Auth |
| Google-Pasta | 0.2.0 | Pasta ist eine AST-basierte Python Refactoring-Bibliothek |
| Gutil | 1.4.0 | Nvidia GPU -Status aus Python |
| Graphit2 | 1.3.14 | Ein "intelligentes Schriftart", das die Komplexität weniger bekannt bekannt ist |
| Graphviz | 8.1.0 | Open -Source -Graph -Visualisierungssoftware |
| Grounddino-Py | 0.4.0 | Open-Set-Objektdetektor |
| Grpcio | 1.46.3 | HTTP/2-basiertes RPC-Framework |
| GTS | 0,7,6 | GNU Triangulierte Oberflächenbibliothek |
| H3-Py | 3.7.6 | H3 hexagonal hierarchisches Geospatial -Indexierungssystem |
| Harfbuzz | 4.3.0 | Ein Openentype -Textformungsmotor |
| SURGINGFACE_HUB | 0,20,3 | Client -Bibliothek zum Herunterladen und Veröffentlichung von Modellen auf dem Huggingface.co Hub |
| menschlich freundlich | 10.0 | Menschliche freundliche Ausgabe für Textschnittstellen mit Python |
| icu | 68.1 | Internationale Komponenten für Unicode |
| ImageCodecs | 2023.1.23 | Bildtransformation, Komprimierung und Dekompressionscodecs |
| Imageio | 2.33.1 | Eine Python -Bibliothek zum Lesen und Schreiben von Bilddaten |
| Imgaug | 0.4.0 | Bildvergrößerung für maschinelles Lernenexperimente |
| in Place-abn | 1.1.0 | In-Place-aktiviertes Batchnorm |
| Joblib | 1.4.0 | Python fungiert als Pipeline -Jobs |
| JS2PY | 0,74 | JavaScript zum Python -Übersetzer & JavaScript -Interpreter in 100% Python geschrieben. |
| Jxrlib | 1.1 | JXRLIB - JPEG XR -Bibliothek von Microsoft, erstellt aus Debian Hosted Quellen. |
| Keras | 2.13.1 | Deep Learning Library für Theano und Tensorflow |
| Langcodes | 3.3.0 | Beschriftungen und vergleicht menschliche Sprachen auf standardisierte Weise |
| Lerche | 1.1.2 | Eine moderne Parsing -Bibliothek |
| laspy | 1.7.1 | Eine Python -Bibliothek zum Lesen, Ändern und Erstellen von LAS -Dateien |
| Lazy_loader | 0,3 | Lasten Sie einfach Unterhöfe und Funktionen auf Bedarf |
| LCMS2 | 2.12 | Das kleine Farbmanagementsystem |
| LERC | 3,0 | Begrenzte Fehler -Raster -Komprimierung |
| libaec | 1.0.4 | Adaptive Entropie -Codierungsbibliothek |
| libavif | 0.11.1 | Eine freundliche, tragbare C -Implementierung des AV1 -Bilddateiformates |
| libboost | 1.82.0 | Kostenlose, von Experten begutachtete tragbare C ++-Quellbibliotheken |
| libclang | 14.0.6 | Entwicklungsheader und Bibliotheken für den Klang Compiler |
| libclang13 | 14.0.6 | Entwicklungsheader und Bibliotheken für den Klang Compiler |
| libcurl | 8.6.0 | Tool und Bibliothek zum Übertragen von Daten mit der URL -Syntax |
| libffi | 3.4.4 | Tragbare Fremd-Funktion-Schnittstellenbibliothek |
| libgd | 2.3.3 | Bibliothek für die dynamische Erstellung von Bildern |
| libglib | 2.78.4 | Bietet Kernbaubausteine für Bibliotheken und Anwendungen, die in C geschrieben wurden |
| Libiconv | 1.16 | Text zwischen verschiedenen Kodierungen konvertieren |
| libnghttp2 | 1.59.0 | HTTP/2 C -Bibliothek |
| libopencv | 4.8.1 | Computer Vision und maschinelles Lernensoftware Bibliothek |
| libSpatialIndex | 1.9.3 | Erweiterbarer Rahmen für eine robuste räumliche Indexierung |
| libsrt | 1.4.4 | Sicherer, zuverlässiger Transport |
| Libuv | 1.40.0 | Plattform asynchrone i/o |
| libwebp | 1.3.2 | Webp -Bildbibliothek |
| libwebp-base | 1.3.2 | Webp -Bildbibliothek, minimale Basisbibliothek |
| libxgboost | 2.0.3 | Extreme Gradientenverstärkung |
| libzopfli | 1.0.3 | Eine Kompressionsbibliothek für eine sehr gute, aber langsame Deflate oder ZLIB -Komprimierung |
| Lightgbm | 4.3.0 | LightGBM ist ein Gradienten -Boosting -Framework, das Baumbasis -Lernalgorithmen verwendet |
| llvmlite | 0,42,0 | Eine leichte LLVM -Python -Bindung zum Schreiben von JIT -Compilern |
| Mako | 1.2.3 | Vorlagenbibliothek in Python geschrieben |
| MAPCLASSIFY | 2.5.0 | Klassifizierungsschemata für Choropleth -Karten |
| Abschlag | 3.4.1 | Python -Implementierung von Markdown |
| Markdown-it-py | 2.2.0 | Python Port of Markdown-It. Markdown Parsing, richtig gemacht! |
| Mdurl | 0,1,0 | URL-Dienstprogramme für Markdown-It-Py-Parser |
| mljar-superviert | 0.11.2 | Automatisierte Pipeline für maschinelles Lernen mit Feature Engineering und Hyper-Parameters Tuning |
| mmcv | 2.0.1 | OpenMMLAB Computer Vision Foundation |
| mmdet | 3.1.0 | OpenMMLAB -Erkennungs -Toolbox und Benchmark |
| mmdet3d | 1.2.0 | Plattform der nächsten Generation für die allgemeine 3D -Objekterkennung |
| Mmengine | 0,8,5 | Motor von OpenMMMLab -Projekten |
| mmSegmentierung | 1.1.2 | Semantische Segmentierungs -Toolbox und Benchmark |
| Motmetrie | 1.1.3 | Benchmark Mehrere Objektverfolger (MOT) in Python |
| Multidict | 6.0.4 | Schlüsselwertpaare, bei denen Tasten sortiert sind und wiederholt werden können |
| Multiprozess | 0,70,15 | Besser Multiprozessing und Multithreading in Python |
| Munch | 2.5.0 | Ein dot zugängliches Wörterbuch (a la Javascript-Objekte) |
| Murmurhash | 1.0.7 | Eine nicht kryptografische Hash-Funktion |
| nb_conda_kernels | 2.3.1 | Starten Sie Jupyter -Kernel für eine installierte Conda -Umgebung |
| neuronalstrukturiertes Lernen | 1.4.0 | Trainieren Sie neuronale Netze mit strukturierten Signalen |
| Ninja_Syntax | 1.7.2 | Python -Modul zum Generieren von .ninja -Dateien |
| Numba | 0,59,1 | Numpy Awes Dynamic Python Compiler mit LLVM |
| Nuscenes-devkit | 1.1.3 | Der Devkit des Nuscenes -Datensatzes |
| nvidia-ml-py3 | 7.352.0 | Python -Bindungen an die Nvidia Management Library |
| Onnx | 1.13.1 | Öffnen |
| Onnx-tf | 1.9.0 | Experimentelles Tensorflow -Backend für ONNX |
| Onnxruntime | 1.17.1 | plattformübergreifende, Hochleistungs-ML-Inferenz- und Trainingsbeschleuniger |
| opencv | 4.8.1 | Computer Vision und maschinelles Lernensoftware Bibliothek |
| OpenJpeg | 2.5.0 | Ein Open-Source JPEG 2000-Codec in C geschrieben |
| opt-iinsum | 3.3.0 | Optimierung von Einsumfunktionen in Numpy, Tensorflow, Dask und mehr mit der Optimierung der Kontraktionsordnung |
| Optuna | 3.0.4 | Ein Hyperparameteroptimierungsrahmen |
| Pango | 1.50.7 | Textlayout und Rendering Engine |
| pathetisch | 0,10.3 | Eine Pfadschnittstelle für den lokalen und Cloud -Bucket -Speicher |
| pbr | 5.6.0 | Python baut Angemessenheit auf |
| PCCM | 0.4.11 | Python C ++ Code Manager |
| pcre2 | 10.42 | Regelmäßige Expressionsmuster, die mit derselben Syntax und Semantik wie Perl 5 übereinstimmt |
| Pixman | 0,42,2 | Eine Softwarebibliothek auf niedriger Ebene für Pixel-Manipulation |
| Handlung | 5.20.0 | Eine interaktive, browserbasierte Graphing-Bibliothek für Python |
| Portalocker | 2.3.0 | Portalocker ist eine Bibliothek, die eine einfache API für die Dateisperrung bereitstellt. |
| Portaudio | 19.6.0 | Eine Cross-Plattform, Open-Source, Audio-E/A-Bibliothek |
| vorgezogen | 3.0.6 | Cython-Hash-Tabelle für vorgehasste Schlüssel |
| Fettbar | 2.1.0 | Zeigen Sie tabellarische Daten in einem visuell ansprechenden ASCII -Tabellenformat an |
| Proj4 | 9.3.1 | Proj -Koordinaten -Transformationssoftwarebibliothek |
| Py-Boost | 1.82.0 | Kostenlose, von Experten begutachtete tragbare C ++-Quellbibliotheken |
| py-opencv | 4.8.1 | Computer Vision und maschinelles Lernensoftware Bibliothek |
| PY-XGBOOST | 2.0.3 | Python -Bindungen für die skalierbare, tragbare und verteilte Gradienten -Boosting -Xgboost -Bibliothek |
| pyasn1 | 0.4.8 | ASN.1 -Typen und Codecs |
| pyasn1-modules | 0.2.8 | Eine Sammlung von Asn.1-basierten Protokollenmodulen |
| Pycocotools | 2.0.7 | Python-API für den MS-Coco-Datensatz |
| pydantisch | 2.4.2 | Datenvalidierung und Einstellungsverwaltung unter Verwendung des Python -Typs Hinweis |
| Pydantic-Core | 2.10.1 | Datenvalidierung und Einstellungsverwaltung Verwenden des Python -Typs, Kernpaket, Kernpaket |
| Pyjsparser | 2.7.1 | Schneller JavaScript -Parser (basierend auf Esprima.js) |
| Pyperclip | 1.8.2 | Ein plattformübergreifendes Zwischenablagemodul für Python |
| pyproj | 3.6.1 | Python -Schnittstelle zur Proj4 -Bibliothek für kartografische Transformationen |
| Pyquaternion | 0.9.9 | Pythonische Bibliothek zur Darstellung und Verwendung von Quaternionen |
| pyreadline3 | 3.4.1 | Eine Python -Implmementierung von GNU Readline, modernisiert |
| Python-Flatbuffer | 23.5.26 | Python -Laufzeitbibliothek zur Verwendung mit dem FlatBuffers -Serialisierungsformat |
| Python-Graphviz | 0.20.1 | Einfache Python -Schnittstelle für Graphviz |
| Python-SoundDevice | 0.4.4 | Spielen und Platten Sie mit Python auf |
| Python-Tzdata | 2023.3 | Anbieter von IANA -Zeitzonendaten |
| Python-Xxhash | 2.0.2 | Python -Bindung für xxhash |
| Pytorch | 2.0.1 | Pytorch ist eine optimierte Tensorbibliothek für Deep Learning mit GPUs und CPUs |
| Pywin32 | 305 | Python -Erweiterungen für Fenster |
| Rasterio | 1.3.9 | Rasterio liest und schreibt Geospatial Raster -Datensätze |
| reich | 13.3.5 | Rendern Sie einen reichen Text, Tabellen, Fortschrittsbalken, Syntax -Hervorhebung, Markdown und mehr zum Terminal |
| RSA | 4.7.2 | Pure-Python RSA-Implementierung |
| rtree | 1.0.1 | R-tree-räumlicher Index für Python GIS |
| Safetensoren | 0.4.2 | Schnelle und sichere Tensor -Serialisierung |
| Samgeo | 3.3 | Eine Sammlung der wesentlichen Pakete, um mit dem Segment Geospatial (Samgeo) Stapel zu arbeiten. |
| Scikit-Image | 0,22,0 | Bildverarbeitungsroutinen für Scipy |
| Scikit-Learn | 1.3.0 | Eine Reihe von Python -Modulen für maschinelles Lernen und Data Mining |
| Scikit-Plot | 0.3.7 | Auftreten für Scikit-Learn-Objekte |
| Segment-alles | 1,0 | Ein inoffizielles Python -Paket für das Segment von Meta Ai alles, was Modell ist |
| Segment-Byhing-HQ | 0,3 | Offizielles Python -Paket für Segment Alles in hoher Qualität |
| Segment-Geospatial | 0,10.2 | Ein Python -Paket zum Segmentieren von Geospatialdaten mit dem Segment irgendwelche Modell (SAM) |
| Satzstück | 0,1.99 | Unbeaufsichtigter Text -Tokenizer und Detokenizer |
| Gestalt | 0,42,1 | Ein einheitlicher Ansatz zur Erklärung der Ausgabe eines maschinellen Lernmodells |
| formell | 2.0.1 | Geometrische Objekte, Prädikate und Operationen |
| SCHEISSEN | 1.5.0 | Werkzeug, um die umgebende Hülle zu erkennen |
| Allesschneider | 0,0,7 | Ein kleines Paket für große Schneiden |
| Smart_open | 5.2.1 | Python -Bibliothek zum effizienten Streaming großer Dateien |
| Stempel | 1.4.7 | STGS sind S-Expressionen für Numpy |
| Spacy | 3.7.2 | Verarbeitung natürlicher Sprache in der industriellen Stärke |
| Spacy-Legacy | 3.0.12 | Spacy NLP -Legacy -Funktionen und Architekturen für die Rückwärtskompatibilität |
| Spacy-Logger | 1.0.4 | Alternative Logger für Spacy Pipeline Training |
| spconv | 2.3.6 | Räumliche spärliche Faltung |
| srsly | 2.4.8 | Moderne Dienstprogramme für Hochleistungsserialisierung für Python |
| Stauer | 5.1.0 | Verwalten Sie dynamische Plugins für Python -Anwendungen |
| Aufsicht | 0,6,0 | Eine Reihe benutzerfreundlicher Utils, die in jedem Computer Vision-Projekt nützlich sein werden |
| tabellarisch | 0.9.0 | TABILUS-DATEN in Python, einer Bibliothek und einem Befehlszeilendienstprogramm |
| TBB | 2021.8.0 | Abstrakte Threading -Bibliothek auf hoher Ebene |
| Zähigkeit | 8.2.2 | Wiederholen Sie eine schuppige Funktion, wenn eine Ausnahme auftritt, bis sie funktioniert |
| Tensorboard | 2.13.0 | Mit Tensorboard können Sie den Tensorsfluss beobachten |
| Tensorboard-Daten-Server | 0,7,0 | Datenserver für Tensorboard |
| Tensorboard-Plugin-Wit | 1.6.0 | Was-wäre-wenn-Tool-Tensorboard-Plugin |
| Tensorboardx | 2.6.2.2 | Mit Tensorboardx können Sie Tensoren ohne Tensorflow beobachten |
| Tensorflow | 2.13.0 | TensorFlow ist eine Bibliothek für maschinelles Lernen |
| Tensorflow-Addons | 0,22,0 | Nützliche zusätzliche Funktionalität für Tensorflow |
| Tensorflow-Estimator | 2.13.0 | Tensorflow -Schätzer |
| Tensorflow-Hub | 0,16,1 | Eine Bibliothek zum Übertragungslernen durch Wiederverwendung von Teilen von Tensorflow -Modellen |
