本文我們將和大家介紹 GitHub 上 10 月份最受歡迎的 11 個Python開源專案，在這些專案中，你有在用或用過哪些呢？

1TensorFlow-Course
https://github.com/open-source-for-science/TensorFlow-Course Star 5843

該儲存庫旨在為TensorFlow提供簡單且易於使用的教程。該專案的目標是通過結構化教程和簡單優化的程式碼實現幫助社群開發者可以更快地有效地瞭解如何使用TensorFlow 。

2Python
https://github.com/TheAlgorithms/Python Star 16243

該專案用Python實現了所有的排序演算法，包括插入排序、氣泡排序、快速排序、選擇排序、歸併排序等。

3Algorithm_Interview_Notes-Chinese
https://github.com/imhuay/Algorithm_Interview_Notes-Chinese Star 8134

2018/2019/校招/春招/秋招/自然語言處理(NLP)/深度學習(Deep Learning)/機器學習(Machine Learning)/C/C++/Python/面試筆記，此外，還包括建立者看到的所有機器學習/深度學習面經中的問題。 除了其中 DL/ML 相關的，其他與演算法崗相關的計算機知識也會記錄。 但是不會包括如前端/測試/JAVA/Android等崗位中有關的問題。

4awesome-algorithm
https://github.com/apachecn/awesome-algorithm Star 6038

Leetcode 題解 (跟隨思路一步一步擼出程式碼) 及經典演算法實現，該專案的當前定位是用不同的程式語言實現基本演算法，建立者歡迎廣大開發者幫助完善。

5models
https://github.com/tensorflow/models Star 43464

一個Tensorflow庫，裡面包含 使用TensorFlow 構建的模型和示例的教程，旨在更好的維護，測試，並與最新的TensorFlow API保持同步最新。
TensorFlow實現模型：

6maskrcnn-benchmark
https://github.com/facebookresearch/maskrcnn-benchmark Star 1901

PyTorch中的例項分段和物件檢測演算法的快速模組化參考實現，可以使用每個GPU每批次多個影象處理。

7system-design-primer
https://github.com/donnemartin/system-design-primer Star 51000

該專案是關於如何設計大型系統，以及如何應對系統設計面試。系統設計是一個很寬泛的話題。在網際網路上，關於系統設計原則的資源也是多如牛毛。這個倉庫就是這些資源的組織收集，它可以幫助你學習如何構建可擴充套件的系統。

8graph_nets
https://github.com/deepmind/graph_nets Star 1847

Graph Nets是DeepMind的庫，用於在Tensorflow和Sonnet中構建圖形網路。該庫將與TensorFlow的CPU和GPU版本一起使用，但為了允許它不會將Tensorflow列為要求，因此如果您尚未單獨安裝Tensorflow，則需要單獨安裝。

9trfl
https://github.com/deepmind/trfl Star 1703

TRFL是DeepMind開源的一個內部強化學習庫，用於在TensorFlow中編寫強化學習智慧體，這個庫包含DeepMind開發的大量成功的agent的關鍵演算法元件，對於強化學習智慧體的再現研究很有用。

10responder
https://github.com/kennethreitz/responder Star 1593

一個Python HTTP服務框架，它將為你提供一個ASGI應用程式，預安裝靜態檔案伺服器，jinja2模板（無需額外匯入），以及基於uvloop的生產網路伺服器，自動為gzip壓縮服務請求。

11awesome-python
https://github.com/vinta/awesome-python Star 56774

awesome-python 是 vinta 發起維護的 Python 資源列表，內容包括：Web框架、網路爬蟲、網路內容提取、模板引擎、資料庫、資料視覺化、圖片處理、文字處理、自然語言處理、機器學習、日誌、程式碼分析等。十分受Python開發者的青睞。

附：

《9月份GitHub上最熱門的Python專案》
本文我們將和大家介紹 GitHub 上 9 月份最受歡迎的 11 個Python開源專案，在這些專案中，你有在用或用過哪些呢？

1Python
https://github.com/TheAlgorithms/Python Star 14125

用Python實現的所有演算法，不過建立者表示這些僅用於演示目的。Python標準庫中有許多種類的實現，出於效能原因要好得多。

2Algorithm_Interview_Notes-Chinese
https://github.com/imhuay/Algorithm_Interview_Notes-Chinese Star 7199

2018/2019/校招/春招/秋招/演算法/機器學習(Machine Learning)/深度學習(Deep Learning)/自然語言處理(NLP)/C/C++/Python/面試筆記

3awesome-algorithm
https://github.com/apachecn/awesome-algorithm Star 5395

Leetcode 題解 (跟隨思路一步一步擼出程式碼) 及經典演算法實現

4system-design-primer
https://github.com/donnemartin/system-design-primer Star 50239

該專案是關於如何設計大型系統，以及如何應對系統設計面試。系統設計是一個很寬泛的話題。在網際網路上，關於系統設計原則的資源也是多如牛毛。這個倉庫就是這些資源的組織收集，它可以幫助你學習如何構建可擴充套件的系統。

5ungoogled-chromium
https://github.com/Eloston/ungoogled-chromium Star 5966

ungoogled-chromium 是開源的 Chromium 衍生版，由它的名字不難看出，這個基於 Chromium 的瀏覽器專案移除了 Chromium 中和 Google 相關的內容。讓瀏覽器在執行過程中不再和 Google 伺服器互動。

6models
https://github.com/tensorflow/models Star 42707

一個Tensorflow庫，裡面包含 使用TensorFlow 構建的模型和示例的教程，旨在更好的維護，測試，並與最新的TensorFlow API保持同步最新。
TensorFlow實現模型：https://github.com/tensorflow/models/blob/master/research
TensorFlow教程：https://github.com/tensorflow/models/blob/master/tutorials

7awesome-python
https://github.com/vinta/awesome-python Star 56171

awesome-python 是 vinta 發起維護的 Python 資源列表，內容包括：Web框架、網路爬蟲、網路內容提取、模板引擎、資料庫、資料視覺化、圖片處理、文字處理、自然語言處理、機器學習、日誌、程式碼分析等。十分受Python開發者的青睞。

8youtube-dl
https://github.com/rg3/youtube-dl Star 42711

youtube-dl是一個用來從YouTube.com網站上下載視訊檔案的命令列工具。它採用Python開發，執行時需要Python的解釋環境。支援多個OS平臺，支援眾多視訊網站(見附圖)國內優酷、土豆、新浪和搜狐，國外YouTube等赫然在列。

9keras
https://github.com/keras-team/keras Star 34379

Keras是一個極簡的、高度模組化的神經網路庫，採用Python（Python 2.7-3.5.）開發，能夠執行在TensorFlow和Theano任一平臺，好專案旨在完成深度學習的快速開發。特性：
● 可以快速簡單的設計出原型（通過總模組化、極簡性、和可擴充套件性）
● 同時支援卷積網路和迴圈網路，以及兩者的組合
● 支援任意的連線方案(包括多輸入和多輸出）
● 支援GPU和CPU

10boltons
https://github.com/mahmoud/boltons Star 4363

Boltons是擁有超過220個BSD許可的、純Python實用工具集合，Boltons有極簡單的架構，保持一致與獨立，著眼於儘可能廣泛的維護用例和使用模式。

11mlcourse.ai
https://github.com/Yorko/mlcourse.ai Star 2731

這是一套開放、免費的機器學習課程，課程為期10周，包含5大主題12個部分。