欢迎来到Python周刊第 361 期。让我们直奔主题。
使用 DigitalOcean 部署任何规模的超快 Python 应用，这是一个开发者友好的云平台，旨在满足你的需求。了解 DigitalOcean 如何简化你的基础架构吧。 v.
在这篇介绍性教程中，我们将了解 Python 装饰器的概念，以及如何创建并使用它们。
notebooks 在数据科学家中迅速普及，成为�快速原型制作和探索性分析的事实标准。在 Netflix，我们更进一步，重新构想 notebooks 的功能，使用群体，以及用户可以用它们做什么。并且，我们正在进行大量投资，以帮助实现这一愿景。在这篇文章中，我们将分享我们的动机，以及我们觉得 Jupyter notebooks 如此引人注目的原因。我们还将介绍我们的 notebook 基础设施的组件，并探讨在 Netflix �使用 notebooks 的一些新方法。
在这篇教程中，你将了解如何使用 OpenCV、EAST 文本检测器来检测自然场景图片中的文本。
使用 TensorFlow Lite 的移动设备上的神经网络
这是一个实用的端到端指南，关于如何使用 TensorFlow Lite 构建移动应用，它能分类�项目数据集中的图像。
或者，“那些你永远都不应该在生产中做的事情”
在这篇教程中，你将学习如何有效地使用 Python 的集合数据类型。你将看到如何在 Python 中定义 set 对象，发现它们支持的操作，并在本教程的最后，你将很好地了解何时在程序中使用 set 最合适。
如何构建一个 ASGI web 服务器，像 Hypercorn。
使用 TensorFlow Hub 和 Estimators 构建一个文本分类模型
转换学习的�诸多好处之一是，你无需像从头开始那样提供给你所有的训练数据。但是这些预先存在的模型从何而来呢？现在，该是 TensorFlow Hub 出现的时候了：它为各种类型的模型（图像、文本等等）提供了现有模型检查点的完整的存储库。在这篇文章中，我将带你使用一个 TensorFlow Hub 文本模块，构建一个模型来根据电影描述预测它的流派。
DistBelief 是一篇谷歌论文，描述了如何分布式训练模型。特别是，我们对实现一种分布式优化方法 —— DownpourSGD —— 感兴趣。这是关于我们的实现的概述，以及此过程中遇到的一些问题。
一个“为善数据科学（Data Science for Good）”机器学习项目，使用 Python：第一部分
解决完整的机器学习问题，以获得社会效益。
- 第二部分 - 充分利用模型、弄清楚它们的意义，并尝试新技术。
Python PostgreSQL 教程，使用 Psycopg2
这篇 Python PostgreSQL 教程演示了如何使用 PostgreSQL 数据库服务器开发 Python 数据库应用。
在上一节中，我在针对湾区带 Zillow 租赁市场数据集上进行了一些基本时间序列分析。�分析是用 Python、Jupyter、Pandas 和 Plotly 来完成的。在该系列的第二部分中，我们将介绍一些公开的 Redfin 数据。特别是深入购买东湾的房产。
警告：你可能并不想这样做，因为这种方法不被支持，并且非常黑客�。考虑 JSONField。
如何用 Django REST 框架在 3 行代码内实现一个 API
我们的高分辨率（例如，2048x1024）�逼真对视频到视频转换方法的Pytorch 实现。i
Papermill 是一个用于参数化、执行和分析 Jupyter Notebooks 对工具。
基于 Python 对可扩展工具。
为 AV evasio 提供 C# 应用的内存中编译和反射加载。
将消息转发到收件箱到 Telegram 机器人。对 GTD 和� 电子邮箱极客有用。
简单灵活到进度条，用于 Jupyter Notebook 和�控制台。
pychromecastweb
pychromecastweb 是一个 web 应用，让你可以浏览部分本地文件系统，并将视频投射到 Chromecast。
将图像转换成 ASCII 艺术。
在单个 HTTP 请求中处理多个 API 调用。
寻找 Kubernetes 集群中的安全漏洞。
simple-django-login-and-register
带基本用户功能的 Django 项目示例。
SoCal Python 2018 年 八月聚会 - Marina del Rey, CA
将会有以下讲座：
- 为什么我应该学习 Pandas？
- 工程师写作
旧金山 Django 聚会 - San Francisco, CA
将会有以下讲座：
- 压缩 Django 迁移
- 关于 App Engine �和 Datastore 的 Django