(原创声明，转载引用需要指明来源)
https://study.163.com/course/courseMain.htm?courseId=1006383008&share=2&shareId=400000000398149（博主录制）
1.python创始人和发展史
Python编程语言创始人是Guido van Rossum，于1989年底在荷兰国家数学和计算机科学研究所设计出来。Python至今已有31年历史，流行全球，适用于初学者作为第一门编程语言学习。Python最显著特点就是简单，有用，强大，之后会详细介绍。
据说Python这个名字的灵感来自于英国喜剧团体 Monty Python。
2 python特征非常强大
Python在全球大流行的原因很多，主要有以下特征：
(1) 易于阅读：Python代码量小，结构化突出，语法约束较少，定义清晰，有详细注解说明。阅读一个良好的 Python 程序就感觉像是在读英语一样，python使你能够专注于解决问题而不是去搞明白语言本身。
(2) 易于学习：相比C语言和Java，Python不过于强调语法，结构简单，语法定义明确，学习起来更加简单。
(3) 无编程经验也可学习：python可作为初学者第一门编程语言学习。无编程经验也可快速学会python。
(4) 适用各类人群和职业：无论学生，老师，初学者或专家都可以学习python。在欧美日，美术，音乐，英语，考古，数学，物理等专业的学生都在使用python编程，无专业限制，可谓全民皆可编程的通用语言。
(5) 丰富的库：Python的最大的优势之一是拥有丰富的库，包括自带标准库或第三方库。可快速适用于各行各业，例如金融，计算机，互联网，物联网，军事，生物，化学等高收入行业。Python在数据分析领域使用频率也非常高，几乎是数据科学家必备的编程语言。
(6) 跨平台：python开发脚本可实现跨平台应用，绝大多数模块在UNIX，Windows和Macintosh兼容很好。
(7) GUI编程：Python支持GUI编程，创建可视化窗口，实现更友好和普通用户互动。
(8) 可嵌入: 开发者可以将Python嵌入到C/C++程序，让程序的用户获得"脚本化"的能力。
总之python是目前最热门的编程语言之一。Python 是代表简单主义思想的语言。python使你能够专注于解决问题而不是去搞懂python本身语法。python易于学习，易于维护，具有可扩展，可移植等特点。python拥有一个广泛的标准库，可快速适用于各行各业。 Python在数据分析领域使用频率也非常高，几乎是数据分析必备的编程语言。
3 Google,Facebook,NVIDIA,NASA大公司都在用python
谷歌的第一个搜索引擎和整个构建都是用python编写。谷歌搜索是谷歌公司一个互联网搜索引擎，它是互联网上最大、影响最广泛的搜索引擎。谷歌每日透过不同的服务，处理来自世界各地超过30亿次的查询。除了搜索网页外，谷歌亦提供搜索图像、新聞組、新闻网页、地图、影片的服务。各位读者不要小看谷歌公司，它是全球最有影响力的公司之一。谷歌欧盟反垄断案中，欧盟经过持续多年调查才认定谷歌公司违反欧盟反垄断法，罚金高达43.4亿欧元。 面对美国庞大跨国集团，欧洲一个国家显得力不从心。
在Facebook，Python是被使用最多的语言之一，受欢迎程度排行第三，仅次于Hack（Facebook出品的PHP变种）和C++。这听起来可能会让很多Python迷惊讶。事实上，Facebook的工程师构建并且维护着上千个Python库和项目，这些Python库和项目在Facebook的生产环境中随处可见。
Facebook最近在GitHub有个非常受欢迎的项目。这个项目叫detectron，用python语言编写。官网链接https://github.com/facebookresearch/Detectron。此项目是Facebook AI Research的软件系统，用于物体识别。该项目采用Mask R-CNN算法，并由Caffe2深度学习框架提供支持。Detectron开展了许多研究项目，包括：用于对象检测的功能金字塔网络，Mask R-CNN，检测和识别人与对象的交互作用，用于密集对象检测的焦点损失，非本地神经网络，学习分割所有事物等等。
(detectron对人和自行车物体识别)
（detectron的GitHub主页）
NVIDIA
NVIDIA是全球知名企业，我们很多电脑的显卡就是NVIDIA生产的，简称N卡。Vid2vid是NVIDIA公司的一个深度学习项目，由python编程语言编写。vid2vid是一种图像翻译模型 ，通过输入语义图来生成视频。Vid2vid实现了我们的高分辨率（例如，2048x1024）逼真的视频到视频转换方法。它可用于将语义标签贴图转换为照片般逼真的视频，合成人们从边缘地图谈话，或从姿势生成人体。它可用于将语义标签图转换为逼真的视频，合成从边缘图说话的人或从姿势生成人的动作。从技术角度来讲视频到视频翻译的核心是图像到图像翻译。Vid2vid在github的官网链接：http://github.com/NVIDIA/vid2vid
vid2vid是NVIDIA公司图像翻译模型第三个版本，是在pix2pix、pix2pixHD基础上改进出的模型，三者的演进思想如下：
[1]最早pix2pix框架提出了一种统一的简洁优雅的框架解决了图像翻译问题，使用CGAN代替专家知识实现基本图像翻译效果。
[2]pix2pixHD是在pix2pix基础上改进G和D，可以生成高分辨率图像，并使用一点技巧，能够控制生成多样化的输出。
[3]pix2pix和pix2pixHD只是针对静态图片的翻译进行设计，如果直接用于视频的翻译会导致帧间不连续的问题，vid2vid是在pix2pixHD基础上考虑加入视频连贯性的设计所提出的视频翻译模型,改造G和D来生成连贯且高质量的视频。
标签到街景结果
下图街景由四幅图组成，左上角图片是输入的街景标签，右上角是pix2pixHD根据标签生成街景图，左下角是COVST模型根据标签生成街景图，右下角是vid2vid根据标签生成的街景图。通过比较，我们发现vid2vid模型清晰度和流畅度是最好的。
人脸转换
Vid2vid模型可以实现人脸转换，首先输入一张人脸图片，然后模型挖掘人脸边框，最后输出另外一张人脸。模型可以改变人脸特征，包括眼睛大小，头发颜色，衣服颜色等等。
姿势转换
Vid2vid模型在姿势转视频任务上可以根据身体形状和运动（包括未曾见过的）生成高分辨率、逼真舞蹈视频。模型可以更改人体着装，发型，颜色等等。
NASA
NASA是美国国家航空航天局的简称，是美国联邦*的一个行政性科研机构，负责制定、实施美国的太空计划，并开展航空科学暨太空科学的研究。
pyNASA是NASA的一个项目，用python语言编写。该项目提供了一个简单的接口，用以获取NASA的数据集，返回结果的形式为Pandas的Dataframe。当前每次调用接口都是重新获取数据，很快pyNASA会增加一个本地的缓存。
可获取的数据集和相应的接口：
陨石降落数据集：meteorite()
近地卫星轨道要素数据集：comets()
全球滑坡记录数据集：landslides()
NASA设施数据集：facilities()
巨大火球报告数据集：bolide()
彗星发现数据集：comet_discovery()
放气分贝数据集：outgassing()
开源和通用资源软件数据集：open_source()
NASA专利数据集：patents()
扩展车辆活动信息：eva()
白色念珠菌反应数据集：candida_albicans()
bexrb监测数据集：bexrb_monitor()
pyNASA在GitHub官网为：https://github.com/bmtgoncalves/pyNASA。
https://study.163.com/provider/400000000398149/index.htm?share=2&shareId=400000000398149（博主视频教学主页）