python

为了方便学习，本文列出的20个Python库将按领域进行分类，有些你可能并不熟悉，但是真的能提高你的模型算法实现效率，多一点尝试，多一些努力！

对于工厂、医院以及其它环境内重要资产的细微性能或行为变化，机器识别的速度远远快于人类。Xilinx 助力的系统可结合智能性，通过应用预测性维护来最大限度提升生产力并减少停机时间。基于 Python 以及神经网络的 Xilinx 边缘 AI 解决方案可简化硬件加速预测性维护的实现

喜欢用 Python 做项目的小伙伴不免会遇到这种情况：做图表时，用哪种好看又实用的可视化工具包呢？之前文章里出现过漂亮的图表时，也总有读者在后台留言问该图表时用什么工具做的。下面，作者介绍了八种在 Python 中实现的可视化工具包，其中有些包还能用在其它语言中。快来试试你喜欢哪个？

过去，设计人员倾向于使用现场可编程门阵列 (FPGA) 在硬件设计中提升计算密集型应用的性能，例如计算机视觉、通信、工业嵌入式系统，以及越来越多的物联网 (IoT)。然而，传统 FPGA 编程中涉及的繁琐步骤一直让人望而却步，促使设计人员到目前都还在寻求替代处理解决方案。

本文主要讲解 Python 的 5 种高级特征，以及它们的用法。

在本文中，我们将研究从数据集中选择特征的不同方法;同时通过使用Python中Scikit-learn (sklearn)库实现讨论了特征选择算法的类型

在这篇文章中，我们首先对一个典型的循环神经网络模型的核心部分进行快速浏览。然后我们将设置问题陈述，最后我们将从零开始用Python构建一个循环神经网络模型解决这些问题陈述。

Python简单易学，但又博大精深。许多人号称精通Python，却不会写Pythonic的代码，对很多常用包的使用也并不熟悉。学海无涯，我们先来了解一些Python中最基本的内容。

人工智能的应用，从数据分析到机器学习技术再到物联网背景，整个过程都严格遵守这种反馈流程。不过，很难有框架能够包含整个流程的全部要素，更难做到相对简单便捷。而赛灵思创建的框架就能做到，这也就是今天要说的 Python on Zynq (PYNQ)