6 月份 GitHub 上最热门的Python项目排行已经出炉啦，在本月的名单中，出现了许多新项目，一起来看看上榜的项目有哪些吧：
1Python-100-Days
https://github.com/jackfrued/Python-100-Days Star 3865
Python – 100天从新手到大师，如Day01 – 初识Python：
Python简介 – Python的历史 / Python的优缺点 / Python的应用领域
搭建编程环境 – Windows环境 / Linux环境 / MacOS环境
从终端运行Python程序 – DOS命令 / Hello, world / print函数 / 运行程序
使用IDLE – 交互式环境(REPL) / 编写多行代码 / 运行程序 / 退出IDLE
注释 – 注释的作用 / 单行注释 / 多行注释
2Vibora
https://github.com/vibora-io/vibora Star 2697
Vibora 是一个 Python 异步网络框架(Python 3.6+)，目前正在开发中，处于 alpha 阶段。服务器端功能
性能请查看 https://vibora.io/#benchmarks
Schemas 引擎 (比 marshmallow 快 50 倍，支持异步)
Nested Blueprints / Domain Based Routes / Components
Connection Reaper / 可自修复的 Workers
……
3models
https://github.com/tensorflow/models Star 37630
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
4gif-for-cli
https://github.com/google/gif-for-cli Star 2070
今年是 Gif 动态图片的 31 周年，为了庆祝这个日子，Google 在 6 月 5 日发布了一个新的开源工具。它被称为“GIF for CLI”，它可以将图形交换格式图像转换为用于终端的ASCII码文本图形。
5public-apis
https://github.com/toddmotto/public-apis Star 38977
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。
6awesome-python
https://github.com/vinta/awesome-python Star 51996
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。
7mlflow
https://github.com/databricks/mlflow Star 1398
MLflow 是由 Apache Spark 技术团队开源的一个机器学习平台，主打开放性：
开放接口：可与任意 ML 库、算法、部署工具或编程语言一起使用。
开源：开发者可轻松地对其进行扩展，并跨组织共享工作流步骤和模型。
MLflow的当前版本是alpha版本。这意味着API和数据格式可能会发生变化!
8keras
https://github.com/keras-team/keras Star 31152
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
9SNIPER
https://github.com/mahyarnajibi/SNIPER Star 1220
SNIPER是一种高效多尺度目标检测算法，用于实例级识别任务，如对象检测和实例级分割。SNIPER不是处理图像金字塔中的所有像素，而是选择性地处理地面实况对象(也称为芯片)周围的区域。由于它在低分辨率芯片上运行，因此显着加速了多规模培训。
10faceai
https://github.com/vipstone/faceai Star 1725
一款入门级的人脸、视频、文字检测以及识别的项目，开发环境如下：
Windows 10(x64)
Python 3.6.4
OpenCV 3.4.1
Dlib 19.8.1
face_recognition 1.2.2
keras 2.1.6
tensorflow 1.8.0
Tesseract OCR 4.0.0-beta.1
11youtube-dl
https://github.com/rg3/youtube-dl Star 38235
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、新浪和搜狐，国外 YouTube 等赫然在列。
12face_recognition
https://github.com/ageitgey/face_recognition Star 14713
基于 Python 的开源人脸识别库，该库可以通过 python 或者命令行即可实现人脸识别的功能。使用 dlib 深度学习人脸识别技术构建，在户外脸部检测数据库基准(Labeled Faces in the Wild)上的准确率为 99.38%。
最后奉上
对于Python学习爱好者来说 一个良好的学习环境很重要
小编Python学习交流群 786735421，水群勿扰 ！！！水群勿扰！！！ 资料自取
