一.PyTorch
1.什么是PyTorch？
PyTorch是最大的机器学习库，允许开发人员通过GPU加速执行张量计算，创建动态计算图，并自动计算梯度。除此之外，PyTorch还提供丰富的API，用于解决与神经网络相关的应用问题。这个机器学习库基于Torch，它是一个用C语言实现的开源机器库，带有Lua中的包装器。
2. PyTorch的特点
新的混合前端在急切模式下提供易用性和灵活性，同时无缝转换到图形模式，以便在C ++运行时环境中实现速度，优化和功能。通过利用对Python和C ++可访问的集合操作和对等通信的异步执行的本机支持，优化研究和生产中的性能。PyTorch不是Python绑定到单片C ++框架。它是为了深入集成到Python中而构建的，因此它可以与流行的库和Cython和Numba等软件包一起使用。
*** 二.HoloViews***
1. 什么是HoloViews
HoloViews可以用非常少的代码完成数据分析和可视化，除了默认的matplotlib后端外，还添加了一个Bokeh后端。Bokeh提供了一个强大的平台，通过结合Bokeh提供的交互式小部件，可以使用HTML5 canvas和WebGL快速生成交互性和高维可视化，非常适合于数据的交互式探索。
三 Pandas
1.什么是Pandas？
在数据操作和数据分析方面，Pandas绝无敌手。这个名称来源于术语“面板数据”，“面板数据”是一个计量经济学术语，指的是包含同一个人在多个时间段内的观察结果的数据集。
Pandas的特点：
数据集连接和合并
删除和插入数据结构列
数据过滤
重塑数据集
使用DataFrame对象来操作数据等
四 TensorFlow
1.什么是TensorFlow？
该库是由Google与Brain Team合作开发的。TensorFlow几乎在每个Google应用程序中用于机器学习。
TensorFlow的工作方式类似于编写涉及大量张量操作的新算法的计算库。由于神经网络可以很容易地表示为计算图形，因此它们可以使用TensorFlow作为Tensors上的一系列操作来实现。此外，张量是表示数据的N维矩阵。
2.TensorFlow的特点
TensorFlow针对速度进行了优化，它利用XLA等技术实现快速线性代数运算。
使用TensorFlow，我们可以轻松地可视化图形的每个部分，这在使用Numpy或SciKit时不是一个选项。
其中一个非常重要的Tensorflow功能是它的可操作性非常灵活，这意味着它具有模块化，并且对于您想要独立的部分，它为您提供了这一选择。
它可以在CPU和GPU上轻松训练，用于分布式计算。
TensorFlow提供流水线操作，从某种意义上说，您可以训练多个神经网络和多个GPU，这使得模型在大规模系统上非常高效。已经有一大批软件工程师不断致力于稳定性改进。而且它是开源的，所以只要有互联网连接，任何人都可以使用它。
