本篇文章为大家盘点了2月份最热门的Python 项目，本月最热门的开源项目中，深度学习相关的开源项目占据了半壁江山，让我们一起来看下吧！
1
FastPhotoStyle
https://github.com/NVIDIA/FastPhotoStyle Star 5978
FastPhotoStyle 是英伟达开源的照片风格转移深度学习算法实现库，给定目标照片和样式参考照片，代码可以将样式照片的风格转换至目标照片，从而生成新的风格化照片。
FastPhotoStyle 实现过程包含两个步骤：“风格化”和“细调”。 先将样式参考照片源的样式转移至目标照片，随后对其进行细调优化。
2
chinese-poetry
https://github.com/chinese-poetry/chinese-poetry Star 6349
最全中华古诗词数据库，唐宋两朝近一万四千古诗人, 接近 5.5 万首唐诗加 26 万宋诗。两宋时期 1564 位词人，21050 首词。为什么要做这个仓库？因为这个项目开发者认为古诗是中华民族乃至全世界的瑰宝，我们应该传承下去，虽然有古典文集，但大多数人并没有拥有这些书籍。从某种意义上来说，这些庞大的文集离我们是有一定距离的。而电子版方便拷贝，所以此开源数据库诞生了。你可以用此数据做任何有益的事情，甚至我也可以帮助你。
3
deepfake 的深度学习技术 Facewap
https://github.com/deepfakes/faceswap Star 4009
deepfake 的深度学习技术，这款工具本来的用途是用来识别和交换图片、视频中人物脸部图像的工具 。该项目有多个入口，你需要做的事：
● 收集照片（或使用以下训练数据中提供的照片）
● 从原始照片中提取面部图像
● 在照片上训练模型（或使用以下训练数据中提供的模型）
● 使用模型转换源代码
4
Detectron
https://github.com/facebookresearch/Detectron Star 12045
Detectron 是 Facebook AI 研究院（FAIR ）开源的软件系统，实现了最先进的目标检测算法，包括 Mask R-CNN。在 FAIR 实验室，Detectron 目前已经支持很多研究项目的实现，Detectron 的目标是为目标检测研究提供高质量、高性能的代码库。它灵活的特性可支持快速实现和验证新研究。查阅更多Detectron详情，可点击：《【新开源报道 42】重磅：Facebook开源自家 AR 核心技术，能快速识别影片中的物体》
5
AutoSploit
https://github.com/NullArray/AutoSploit Star 2686
一个名为 Vector 的研究人员 2 月份在 GitHub 上发布了这款极具争议的工具， AutoSploit 基于 Python2.7 的脚本，使用 Shodan.io API 自动收集目标，Metasploit 模块有助于实施远程代码执行，并获得逆向 TCP/Shells 或者Metasploit 对话。公开这款工具的代码在信息安全界引起大量关注。大多数信息安全从业人员不禁感叹，这款攻击简直是脚本小子的福音，甚至有人认为完全可以将 AutoSploit 视为恶意软件。
6
models
https://github.com/tensorflow/models Star 28864
一个 Tensorflow 库，里面包含 使用TensorFlow 构建的模型和示例的教程，旨在更好的维护，测试，并与最新的TensorFlow API保持同步最新。
TensorFlow实现模型：https://github.com/tensorflow/models/blob/master/research
TensorFlow教程：https://github.com/tensorflow/models/blob/master/tutorials
7
minigo
https://github.com/tensorflow/minigo Star 1759
Minigo 是基于 MuGo 开发的极简版围棋AI引擎，使用 Python 语言、在 TensorFlow 框架实现的基于神经网络的围棋算法。这个项目确实是受到 DeepMind 的 AlphaGo 算法的启发，但 TensorFlow 官方再三强调这个项目不属于 DeepMind，也不是官方正式的 AlphaGo 项目。
8
awesome-python
https://github.com/vinta/awesome-python Star 46039
awesome-python 是 vinta 发起维护的 Python 资源列表，内容包括：Web 框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。十分受 Python 开发者的青睐。
9
keras
https://github.com/keras-team/keras Star 26028
Keras是一个极简的、高度模块化的神经网络库，采用Python（Python 2.7-3.5.）开发，能够运行在TensorFlow和Theano任一平台，好项目旨在完成深度学习的快速开发。特性：
● 可以快速简单的设计出原型（通过总模块化、极简性、和可扩展性）
● 同时支持卷积网络和循环网络，以及两者的组合
● 支持任意的连接方案(包括多输入和多输出）
● 支持GPU和CPU
10
public-apis
https://github.com/toddmotto/public-apis Star 33789
PublicApis：公共API目录大全是一个通过 MaShape 市场整合的世界上最全的 API 接口目录，支持关键词搜索和添加API数据，方便开发者快速的找到自己想要的 API，目已经收录 5321 种 API 接口。
11
wtfpython
https://github.com/satwikkansal/wtfpython Star 6135
一组有趣的、微妙的、复杂的 Python 代码片段，这个项目列举了一些代码片段，可能结果和你想到的是不一致的，并且作者会告诉你为什么。如混合Tab 和空格：
结果是 10？不是应该 100 么？
其实这种错误的结果的原因，所有书籍和开发者都说过，就是不要混 Tab 和空格，源代码你可以看项目中的 mixed_tabs_and_spaces.py。
12
awesome-machine-learning
https://github.com/josephmisiti/awesome-machine-learning Star 30843
很多程序员都会 GitHub 上有一个 Awesome - XXX 系列的资源整理。每个月的热门项目中有很多项目都是这一系列的资源，wesome-machine-learning 就是 josephmisiti 发起维护的机器学习资源列表，内容包括了机器学习领域的框架、库以及软件等。
13
youtube-dl
https://github.com/rg3/youtube-dl Star 34331
youtube-dl 是一个用来从YouTube.com 网站上下载视频文件的命令行工具。它采用 Python 开发，运行时需要 Python 的解释环境。支持多个 OS 平台，支持众多视频网站(见附图)国内优酷、土豆、新浪，国外 YouTube 等赫然在列。
