欢迎来到Python周刊第307期。让我们直奔主题。
获取免费的Linux上Intel已优化的TensorFlow wheel，现在，可以通过pip安装啦。它利用最新的矢量指令，通过并行化实现高效核心利用，并且改进数据处理，以在Intel硬件平台上提供最佳性能。用Intel支撑深度学习！
我是如何使用深度学习来训练一个如我一般的聊天机器人的 (Sorta)
在这篇文章中，我们将看看可以如何使用深度学习模型来在我过去的社交媒体对话上训练一个聊天机器人，以期让这个机器人以我的方式回复消息。
具有实现代码、教学视频等。
O'Reilly Data Show播客：和Soumith Chintala聊聊构建一个有价值的Torch继任者（PyTorch），以及Facebook里的深度学习。
在这篇文章中，我们将了解pandas的内存使用情况，如何通过简单选择列的适当数据类型，减少一个dataframe近90%的内存占用。
在给定数据集上高效地查询地理空间半径，是我们常常面临的问题。通常，我们是这样来处理这个问题的：旋转一个PostgreSQL数据库，并且安装PostGis（带其所有高效的空间索引功能）。然而，最近我们决定调查在内存中进行快速的地理空间半径查询的一些其他可能，以为我们实时的Postgres实例减负。在这篇文章中，我想分享调研过程中发现的三种替代方案，以及它们之间的对比。
在这篇文章中，以及GitHub上提供的补充notebook，我将介绍机器学习中传统的强化学习范例，以及一个用于扩展强化学习，以实现随时间变化的复杂目标的新兴的范式。
在本系列中，你将学到如何从头开始为Spotify构建Sublime Text插件。已经上传了第一部分，其余部分将每周发布。
在这篇教程中，我将介绍利用Python，使用机器学习的概念来开发车牌识别系统的基础知识。
在这篇文章中，我想要探索django的一些基本概念，建立一个极简web应用，来更深入了解django背后是怎么工作的。
Gynvael的第十一个使命（英文版）：Python字节码逆向工程
使用Python和TensorFlow的Word2Vec单词嵌入教程
toasted-marshmallow为Marshmallow实现了一个加速转储对象10到25倍（取决于你的模式）的JIT。toasted-marshmallow在不需要牺牲性能的情况下，允许你使用Marshmallow提供的棒棒哒的API。
根据数据集，自动生成新闻报道和报告。
Tinychain是比特币的一个小小实现。它的目标是以牺牲高级功能、速度和任何真正实用性为代价，成为一种紧凑、可理解并可用的Nakamoto一致性算法的实现。
AsciiDots是基于ascii艺术（注，关于ASCII艺术，可以参考wiki）的深奥编程语言！在这门语言中，由句点（.）表示的点，沿着ascii艺术路径向下移动并接受操作。
一个进行中的学习所有主要算法的Python模块！
一个用于远程代码执行代理编程的框架。
将Keras的权重矩阵保存为短动画视频，以便更好地了解你的神经网络正在学习什么，以及如何学习。
这里是PyTorch的下一个主要版本，恰好赶上ICML。我们引进了期待已久的功能，例如广播、高级索引、高阶渐变以及，分布式PyTorch。
Python 3.5.4是3.5的最后一个“问题修复”版本。Python 3.5分支现在进入了“仅限安全修复”模式；接下来，3.5分支中进行的改进将会是安全性修复。
Python 3.4现在进入了“仅限安全修复”模式，因此，Python 3.4.6和Python 3.4.7之间的唯一改进就是安全性修复。
Baltimore Python 2017年8月聚会 - Baltimore, MD