欢迎来到Python周刊第 341 期。现在，我们有了一个对移动端友好的模板了，姗姗来迟。希望你能喜欢。
使用 Datadog 用于 Python 应用的分布式请求跟踪，快速跟踪问题。端到端可视化你的应用，找到慢查询、问题和低效代码。今天，就使用 14 天的免费试用版，开始可视化你的 Python 应用性能吧。
TensorFlow 中可重用机器学习模块库。
我们探索构建流行的强化学习环境的生成神经网络模型。我们的世界模型可以以无监督方式快速训练，一学习环境的压缩空间和时间表示。通过使用从世界模型中抽取的特性作为代理输入，我们可以训练一个非常紧凑和简单的策略，以解决所需任务。我们甚至可以在我们的代理的世界模型生成的自己的梦幻环境中完全训练我们的代理，并将此策略转移到实际环境中。
使用这个教程来学习如何创建你的第一个 Jupyter Notebook，重要属于、以及共享和在线上发布 notebook 有多容易。
啥是 Git？啥是 GitHub？它们有啥区别？在这个教程中，从 Python 人的角度，学习 Git 和 GitHub 的基础知识。
在这篇文章中，我将解释什么是关键字参数，以及为什么要使用它们。然后，我会回顾一些甚至是长期的 Python 开发者也可能会忽视的更高级的用法，因为在 Python 3 的近期版本中，很多事情都已经发生了变化。如果你已经是一名经验丰富的 Python 程序员，那么可能想要跳到最后。
卷积是现代深度神经网络（DNN）中的重要工具。本文将讨论一些常见的卷积类型，特别是常规和深度可分卷积。重点将放在这些操作的实现上，展示从头开始的计算它们的基于 Numpy 的代码，以及解释工作原理的图表。
在 Google Cloud 的灵活应用引擎上部署一个 Django + PostgreSQL 项目的初学者指南
如何使用 Gunicorn，在Google Cloud 的灵活应用引擎上部署一个 Django + Postgres 应用。包含配置一个数据库实例，并且提供来自 Google 云端存储分区的静态文件。给完全初学者的手把手教程。
写代码时，将这个正则表达式备忘录放在旁边，作为快速方便的参考。
Pytorch 深度学习框架介绍，重点介绍如何使用 autograd 包执行自动分化的。
Python 和大数据：使用 Airflow、Jupyter Notebook 和 Hadoop 3、Spark 与 Presto
将 GitHub 当成平面数据存储使用，并用 AWS Lambda 来更新它
通过重用部分 TensorFlow 模型的学习转移库。
一个用 Python 编写的移动东西的工具。
在终端，通过 WiFi，将文件从你的计算机上传输到你的智能手机中。
读写基因组数据的 Python 和 C++ 代码。
业余爱好 C 编译器，用 Python 创建。
可视化人工神经网络（ANN）的 python 库。
通过从单个视频创建多个 WEBM 或者 GIF，来自动“汇总”视频。它将视频分解为多个片段，然后从每个片段生成一个 WEBM/GIF。只需点击一下，它就可以为你目录中的每个视频进行这种操作。这与视频缩略图表类型，但是是采用 WEBM/GIF 形式的。
一个没有 API 限制的 LinkedIn 爬取工具，用于数据侦查
一个强大的基于 Python 的软件定义无线电（SDR）
一个依赖搞定所有。
将文本文档转换为高保真音频（书籍）。
Boulder 2018 年 4 月 Python 聚会 - Boulder, CO
将会有以下讲座：
- 掌握 API，快速教程
- Python 2 到 3：如何升级，以及开始使用哪些功能
IndyPy 2018 年 4 月每月聚会 - Indianapolis, IN
将会有以下讲座：
- 使用 Python 和 Plotly 的数据可视化
- S.T.E.A.M. Power：艺术是怎样改变工艺的
- 印第安纳州的 GIS 实践
Python 展示之夜 #61 - Minneapolis, MN
将会有以下讲座：
- 解封封装，装饰被装饰者：装饰器速成教程
- Python 中的路径寻找
- 使用 GStreamer 的 HTML5 直播