文章，教程和讲座
链接: https://www.youtube.com/watch?v=P5nOGKVLIYo
2018年，我从美国搬到爱尔兰，虽然我租的房子有一个联网控制的供暖器，我租的房屋却仍然非常冷。在本次演讲中，我想告诉大家我是如何“调试”这个问题的，以及如何使用几个运行在 MicroPython 的微控制器来改善供暖方式，而这些都没有对不属于我的这座房子进行任何物理修改。
从 GPS 导航到网络层链路状态路由，Dijkstra 算法为一些备受关注的现代服务提供了理论支持。只需利用一些基本的数据结构，让我们一起了解它的功能，它的实现原理, 以及如何在Python中实现
链接: https://www.youtube.com/watch?v=eyKwPyOqMg4
在此视频中，我借助 Tensorflow 和 Keras , 用 Python 编写卷积神经网络制作一个手写数字计算器, 并且我将深入解释卷积神经网络工作原理。
链接: https://djangostars.com/blog/rest-apis-django-development/
掌握基础知识就意味着掌握技巧。本教程将教您一步一步地构建API。
链接: https://zainrizvi.io/blog/jupyter-notebooks-best-practices-use-virtual-environments/
您可以将虚拟环境添加到 Jupyter Lab，为每个 notebook 提供独立的运行环境。这篇文章详细介绍了如何在 Google Cloud 的 AI Platform Notebooks 上向您自己的 notebooks 添加独立的虚拟环境。
本文（引用一个非常简单的示例）说明了我们如何利用 Django 和 Django REST Framework 实现一个基于视图的权限系统，并解释为什么选择这样做。
使用 Elasticsearch 和 fscrawler 构建基础的搜索引擎
本文介绍如何使用 fscrawler，Elasticsearch，Python 和 Flask 在本机上布置一个快速但肮脏的搜索引擎。
对 Python 进行性能分析：一篇关于代码资源占用量的介绍
链接: https://www.youtube.com/watch?v=MgBgMyYROTE
一般情况下很难看出自己的代码的性能瓶颈在哪里。本教程将向您介绍一些可用于剖析代码和评估优化效果的工具。
链接: https://www.deploymachinelearning.com/
本教程提供了一些关于使用 REST API 构建机器学习系统的代码示例。
讲解在线推荐引擎中用到的不同类型的矩阵分解技术和缩放机制。
学习使用 Flask-WTForms 库在 Flask 中创建表单的逻辑和模板。
使用 Keras 和 Deep Learning 检测自然灾害
链接: https://www.pyimagesearch.com/2019/11/11/detecting-natural-disasters-with-keras-and-deep-learning/
在本教程中，您将学习如何使用 Keras，Computer Vision 和 Deep Learning 以高达95％的精度自动检测自然灾害（地震，洪水，山火，飓风）。
链接: https://deepsource.io/blog/new-python-web-frameworks/
为您的下一个项目选择一个新的 Web 框架。
如何构建 Bytebase -- 第一部分：用 WebSocket 实时聊天
这是有关如何构建 Bytebase 系列文章中的第一篇。本系列教程改编自我们在 2019年美国 DjangoCon 会议上介绍的 Django 实时聊天教程，并根据要求添加了主题。
链接: https://www.sitepoint.com/keras-face-detection-recognition/
这篇文章展示了如何使用 Keras 中的 MTCNN 模型检测图像中的面部，以及如何使用 VGGFace2 算法提取面部特征并将其匹配到不同的图像中。
链接: https://asthasr.github.io/posts/parsing-in-python/
链接: https://lethain.com//creating-slack-app-python/
有趣的项目，工具和库
链接: https://github.com/minimaxir/stylecloud
Python 的软件包 + CLI 可以生成多样化的词云，包括渐变式和图标样式！
链接: https://github.com/open-mmlab/
基于 PyTorch 的用于视觉分析的开源工具箱。
链接: https://github.com/HasnainRaz/Fast-SRGAN
高速深度学习模型，可将低分辨率视频以 30fps 的速度上采样到高分辨率。
链接: https://github.com/kadnan/ScrapeGen
一个简单的 python 工具，可生成基于 requests/bs4 的网络抓取工具。
链接: https://github.com/kubapilch/PygameUI
这是一些加快 pygame 项目的构建速度的关于基本 UI 组件的小案例
本文翻译自 Python Weekly 423，有删改，不作为商业用途。
欢迎关注微.信公..众号: 爱写Bug