怎么在Django的web应用中显示可视化图表？其实操作很简单，使用matplotlib库就可以实现显示可视化图表的功能，具体怎么进行操作呢？让我们在实战中进行学习吧。

Python 不乏并发选项，标准库包括对线程、进程和异步 I/O 的支持。在许多情况下，Python 通过创建异步、线程和子进程等高级模块，消除了使用这些各种并发方法的困难。在标准库之外，还有第三种解决方案，例如twisted、stackless 和处理模块，仅举几例。本文使用实践示例专门关注 Python 中的线程处理。网上有很多很好的资源来记录线程 API，但本文试图提供常见线程使用模式的实践示例。

本文W3Cschool和大家介绍一下如何使用python在2D中计算多边形IoU。假设多边形不是自相交的，即圆圆周围的点的顺序是单调的，那么我相信有一个相对简单的方法来确定 IoU 值，而不需要一个一般的形状包。

1876年，我们发明了电话，我们可以通过电线传输音频，隔年我们又发明了留声机，成功地实现了声音的记录和播放。1952年，贝尔实验室实现了一个可以识别数字的语音识别软件，1985年，IBM实现了一个可以识别1000个单词的软件。在声音的识别上，我们一直在前进。在人声识别的应用上，人工语音对话，智能应答，语音输入等功能已经相当常见，这都得益于各种第三方包的实现。如今，在Python中Tensorflow，Keras，Librosa，Kaldi和语音转文本API等多种第三方库和api使语音识别和操作变得更加容易

我们前后端进行交互的时候可以使用JSON进行交互，但是python应用和python应用之间如果使用JSON来传递数据是一种浪费的行为（JSON传递的信息有限）这个时候我们可以通过protobuf库来将python对象序列化，然后变成二进制数据传输，最后再进行python反序列化得到这个对象。接下来就让我们看看具体怎么操作吧。

在学习机器学习的时候，很多时候我们并不要求计算机有很高的单核算力，反而要求计算机有比较高的并行计算功能。这时候我们就可以使用GPU（显卡）来帮我们运行机器学习的代码了。业内比较出名的机器学习的框架有TensorFlow和Keras，那么TensorFlow使用GPU和Keras使用GPU需要设置些什么呢？阅读这篇文章你会得到了解。

本篇文章是我们学习 Python 及其在机器学习和 AI 中的应用系列的第六个模块。在上一个模块中，我们讨论了使用 OpenCV 进行图像识别。现在我们就来看看自然语言工具包（NLTK）能够做些什么？

图是一类比较常见的数据结构，在pytorch中可以使用autograd来计算图，那么autograd计算图有什么特点吗？今天小编带来了一篇pytorch的autograd计算图的特点说明，希望能给小伙伴带来一定的帮助。