文章，教程和讲座
链接: https://www.pyimagesearch.com/2019/12/16/training-a-custom-dlib-shape-predictor/
在本教程中，您将学习怎样训练一个自定义的切割图形的预测模型。然后使用训练好的预测模型预测输入图像或实时视频流上的路标。
链接: https://www.youtube.com/watch?v=SRYBDmJlIck
Django 内置有可用于密码验证的功能。该视频展示了怎样启用, 配置密码验证功能，如何自定义验证设置，编写自己的密码验证器并将验证方法集成到接口或API中。
本文记录了使用 DS 方法计算二手车合理价格的整个过程。
链接: https://lwn.net/SubscriberLink/807218/7589bd420fa9cfbe/
编程语言通常都有着一些显式或隐式的限制。例如标识符的最大长度, 变量存储值的范围之等等. 还有许多由语言设计者在实现该语言时未明确指定的限制。这种含糊不清会造成严重后果，而 python-dev 邮件一直在讨论确定 Python 语言中的各种限制。
可视化圣诞老人的最佳行程制定的过程。
链接: https://codesource.io/build-a-crud-application-vue-and-django/
本教程讲述了如何使用 Django REST 框架构建 API, Vue.js 框架构建 SPA。
链接: https://www.scrapingbee.com/blog/web-scraping-with-scrapy/
Scrapy 是 Python 中最受欢迎的网页抓取框架。在本教程中，我们将从零开始学习 Scrapy 抓取电子商务网站。
链接: https://gist.github.com/coolreader18/6dbe0be2ae2192e90e1a809f1624c694
链接: https://aroberge.blogspot.com/2019/12/a-tiny-python-exception-oddity.html
链接: https://pbpython.com/natural-breaks.html
链接: https://www.marc-richter.info/using-pyenv-to-manage-your-python-interpreters/
链接: https://pythonspeed.com/articles/numpy-memory-footprint/
有趣的项目，工具和库
链接: https://github.com/delvelabs/batea
基于 AI 上下文驱动的网络设备排名系统。
链接: https://github.com/BMW-InnovationLab
宝马实验室宣布开源其工业生产中使用的 AI 算法，供任何有兴趣的人使用。
链接: https://github.com/MTrajK/coding-problems
各种编程/算法问题的解决方案汇总，还有许多用于学习算法和数据结构的资源。
链接: https://github.com/rapidsai/jupyterlab-nvdashboard
JupyterLab 扩展，一个显示 GPU 使用情况的仪表板。
链接: https://github.com/onelivesleft/PrettyErrors/
格式化 Python 异常输出使其更易阅读。
链接: https://github.com/darrenburns/ward
一个现代化的 Python 测试框架, 旨在帮助你更快地发现和修复缺陷。
链接: https://github.com/A3M4/YouTube-Report
生成你的 YouTube 报告。
链接: https://github.com/minimaxir/twcloud
Python 软件包 + CLI, 可生成 Twitter, 微博的词云。
链接: https://github.com/alexdredmon/cuteuid
生成可爱的 UID，即外观与 UUID 相似的唯一 (ish) 标识符。
链接: https://github.com/snap-stanford/ogb
一个开源的针对 Python 图像机器学习的基准。
链接: https://github.com/Neuraxio/Neuraxle
Neuraxle 是一个用于构建整洁管道的机器学习（ML）库，提供了正确的抽象概念以简化 ML 应用程序的研究开发和部署。
文章翻译自 Python Weekly 428, 有删改, 不作为商业用途
欢迎关注微.信/公..众.号: 爱写Bug