10月份GitHub上最热门的Python开源项目

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

该存储库旨在为TensorFlow提供简单且易于使用的教程。该项目的目标是通过结构化教程和简单优化的代码实现帮助社区开发者可以更快地有效地了解如何使用TensorFlow 。

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

该项目用Python实现了所有的排序算法，包括插入排序、冒泡排序、快速排序、选择排序、归并排序等。

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

2018/2019/校招/春招/秋招/自然语言处理(NLP)/深度学习(Deep Learning)/机器学习(Machine Learning)/C/C++/Python/面试笔记，此外，还包括创建者看到的所有机器学习/深度学习面经中的问题。 除了其中 DL/ML 相关的，其他与算法岗相关的计算机知识也会记录。 但是不会包括如前端/测试/JAVA/Android等岗位中有关的问题。

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

Leetcode 题解 (跟随思路一步一步撸出代码) 及经典算法实现，该项目的当前定位是用不同的编程语言实现基本算法，创建者欢迎广大开发者帮助完善。

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

一个Tensorflow库，里面包含 使用TensorFlow 构建的模型和示例的教程，旨在更好的维护，测试，并与最新的TensorFlow API保持同步最新。

TensorFlow实现模型：https://github.com/tensorflow/models/blob/master/research

TensorFlow教程：https://github.com/tensorflow/models/blob/master/tutorials

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

PyTorch中的实例分段和对象检测算法的快速模块化参考实现，可以使用每个GPU每批次多个图像处理。

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

该项目是关于如何设计大型系统，以及如何应对系统设计面试。系统设计是一个很宽泛的话题。在互联网上，关于系统设计原则的资源也是多如牛毛。这个仓库就是这些资源的组织收集，它可以帮助你学习如何构建可扩展的系统。

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

Graph Nets是DeepMind的库，用于在Tensorflow和Sonnet中构建图形网络。该库将与TensorFlow的CPU和GPU版本一起使用，但为了允许它不会将Tensorflow列为要求，因此如果您尚未单独安装Tensorflow，则需要单独安装。

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

TRFL是DeepMind开源的一个内部强化学习库，用于在TensorFlow中编写强化学习智能体，这个库包含DeepMind开发的大量成功的agent的关键算法组件，对于强化学习智能体的再现研究很有用。

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

一个Python HTTP服务框架，它将为你提供一个ASGI应用程序，预安装静态文件服务器，jinja2模板（无需额外导入），以及基于uvloop的生产网络服务器，自动为gzip压缩服务请求。

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

awesome-python 是 vinta 发起维护的 Python 资源列表，内容包括：Web框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。十分受Python开发者的青睐。