为什么人工智能用Python
1个回答
展开全部
1)Python是解释语言,写程序较方便
对于想要做机器学习的人来说,最重要的莫过于写程序方便了,它对模型的修改操作较多,然而Python可以在短时间内完成,解释语言有天生的优势,不需要编译时间,这对机器学习这种需要大量prototyping和迭代的研究方向是非常有益工作效率的。
2)Python的开发生态成熟,可以使用的库也很多
Python灵活的语法也使文本操作、list/dict等非常实用的功能高效实现,配合lamdba等使用更是方便,这也是Python良性生态背后的一大原因,对比来说,Lua虽说也是解释语言,但很难做到Python这样,原因一是因为Python现如今已经占领了大部分市场,原因二在于它本身种种反常识的设计,比如全局变量。
3)Python效率超高
解释语言的发展已然超过了很多人的想象,比如像list
comprehension的语法都是贴近内核实现的,除了JIT之外,还有Cython可以大幅增加运行效率,最后得益于Python对C的接口,很多像gnumpy、theano这样搞笑、Python接口友好的库可以加速程序的运行,在强大团队的支撑下,这些库的效率可能比一个不熟练的程序员用C写一个月调试的效率还要高。
对于想要做机器学习的人来说,最重要的莫过于写程序方便了,它对模型的修改操作较多,然而Python可以在短时间内完成,解释语言有天生的优势,不需要编译时间,这对机器学习这种需要大量prototyping和迭代的研究方向是非常有益工作效率的。
2)Python的开发生态成熟,可以使用的库也很多
Python灵活的语法也使文本操作、list/dict等非常实用的功能高效实现,配合lamdba等使用更是方便,这也是Python良性生态背后的一大原因,对比来说,Lua虽说也是解释语言,但很难做到Python这样,原因一是因为Python现如今已经占领了大部分市场,原因二在于它本身种种反常识的设计,比如全局变量。
3)Python效率超高
解释语言的发展已然超过了很多人的想象,比如像list
comprehension的语法都是贴近内核实现的,除了JIT之外,还有Cython可以大幅增加运行效率,最后得益于Python对C的接口,很多像gnumpy、theano这样搞笑、Python接口友好的库可以加速程序的运行,在强大团队的支撑下,这些库的效率可能比一个不熟练的程序员用C写一个月调试的效率还要高。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询