標籤：

python 機器學習不會很慢嗎？

01-16

我不懂機器學習這個領域。業餘會點Python和cpp。

我一直納悶現在大火的「機器學習」「人工智慧」為什麼都流行用py實現？

python的運行效率不是很低嗎？

誰特么邀請我的= =砍死。。

首先 Python 的的性能 emmm 的確是一個讓人吐槽已久的問題。

但是 Python 有三個非常重要的特性，易上手，社區豐富，性能擴展方便

易上手。

這個很容易理解了，Python 算是目前對於新手最為友好的語言了，你基本直接隨意找一個 Tutorial 走一遍基本就能上手了。

而且 Python 作為一種解釋性語言，人機交互方面，天生比 C++/Scala 這種編譯型語言要人類有好的多。快速驗證一個模型什麼的，出個 圖什麼的，都很方便。

社區豐富：

Python 目前周邊算是非常成熟，針對不同的需求都有著自己比較受歡迎的庫什麼的

比如臨時寫個 web 介面什麼的

pallets/flaskgithub.com圖標django/djangogithub.com圖標

比如覺得自帶的 REPL 不太好用的

jupyter/jupytergithub.com圖標jupyter/notebookgithub.com圖標

想要快速出個圖什麼的

https://github.com/plotly/plotly.pygithub.com

pyecharts/pyechartsgithub.com圖標

配合前面的易上手的特性，模型人員在快速驗證想法，迭代 prototype 的時候，可以很方便的按需選擇，而不必去考慮太多關於工程上的細節。

性能擴展方便

CPython 一直保持的一點就是，在你覺得某些地方存在性能瓶頸的時候，可以很方便的用其餘語言進行擴展

pandas-dev/pandasgithub.com圖標numpy/numpygithub.com圖標tensorflow/tensorflowgithub.com圖標

比如這些常見的一大堆東西，模式都是 C/C++ 底層性能部分，Python wrap 之後暴露給使用者。

所以吧，對於 Python 來講，性能的確是個問題，但是不是根本問題，我們可以有很多方法去彌補這個問題。

而 Python 帶來的收益，就目前來看，的確是對降低編程門檻，加快迭代效率而言有著不錯的利好。

所以這個問題，最終依舊歸根結底一句話：「我們所做的任何一個選擇都是在利弊之間選擇的一個妥協點」

py是遙控器,cpp是電視機.

遙控器是給人用的,用兩節五號電池就行了.

電視機是拿來接收信號展示的,所以用了220V交流電.

機器學習中,py只是用來調用cpp牌電視機的遙控器.

python機器學習開發用到的庫底層基本都是cpp實現的吧，所以在數據量不是很大的前提下還是可以接受的

純python實現是比c慢很多比如jieba（一個中文分詞庫），cppjieba就比純python實現的快10倍左右。不過你可以使用c來實現python中的部分函數，我就使用c來實現了jieba中的核心函數，提升了一倍左右。詳情可以見github ：deepcs233/jieba_fast

我的blog：Deepcs

不會，因為如果大數據，計算量極大的情況，都在用顯卡計算，python介面對速度的影響微不足道，如果計算量很小，那python比起cpp也不會有太大差距。

理論上彙編語言運行效率最快，那為什麼我們不使用彙編語言進行開發呢？某個運行在虛擬機里的語言，號稱一次編譯到處運行，你覺得是因為它比C++更快嗎？顯然，大家選擇這門語言，無非是因為它的社區生態好而已。所以，運行效率和開發效率是兩個不同的概念。

作為天生喜歡競爭的人類，我們更看重的是怎麼能比別人更快搶佔市場，怎麼能比別人更快賺到錢。讓代碼跑得比別人快這件事情，除了愚蠢的程序員以外，沒有人會真正在乎，想想那些年寫過的Todo，你當真以為我們不在乎嗎？我們只是沒有時間而已！

Python和Lua都是腳本語言，都提供了C/C++的介面，所以對於核心級別的代碼，通常會用C/C++來編寫以保證效率，而業務層面通常都用這些腳本語言封裝後調用，目的是更快地完成業務邏輯，Python擁有最全面的第三方庫，你覺得這些作者不會考慮到這種問題？

總而言之，你犧牲運行效率來換取開發效率，這是理所應當的事情，不應該指責Python慢，人生苦短，我用Python。

開發效率和運行效率是兩回事，用python開發，再調用C++來運行

不會。python做機器學習底層也會調c++的代碼

會慢，所以TensorFlow只是把Python當成交互介面，並不會用Python去運算。

同理Java不是很慢嗎？為什麼那麼多人學？手動微笑

但是它開發快呀

大部分庫由c實現，只要函數式編程，把大部分東西寫到函數里就好了。

所以，我選擇scala……

機器語言運行效率最高，en……一定是這樣的。

工業界不清楚，應該不會都用py吧，但科研界，py的比重非常大了，特別是剛接觸機器學習的。。

畢竟，你是想花一倍時間寫代碼兩倍時間跑，還是花兩倍時間寫代碼一倍時間跑呢？學生或者菜鳥更喜歡前者吧

python編譯器是c寫的，據說大佬們在用彙編重寫，然而工作量巨大，能用彙編寫出來，和c差不多效率 怕不是奔著滅絕滅絕別的語言前進

運行效率低是低，但那幾毫秒差距，人咋感覺。

再而且硬體早晚不是問題。

再而且python開發效率高，通俗易懂。

喜歡運行效率高，大可以學彙編或者機器語言，但為啥沒多大有人學，晦澀難懂，所以之後c就出來，然後python這位也是沖著c寶座而來的

推薦閱讀：

※如何看待摩根大通利用 AI 機器人執行金融交易？其工作原理是怎樣的？
※cart樹怎麼進行剪枝？
※在可見的未來，機器會不會替代投行員工？
※知識圖譜目前亟待的問題有哪些？
※美國機器學習方向的 master 找工作前景如何？

TAG:Python | 機器學習 |