JAVA和python哪個比較有前途、好就業(yè)？這不是說別的語言，也不是不學，近年來，我從領先公司的大數(shù)據(jù)項目中學到了東西，我寫了更多的Scala代碼。以flip spark為例，該公司的爬蟲程序也使用

JAVA和python哪個比較有前途、好就業(yè)？

這不是說別的語言，也不是不學，近年來，我從領先公司的大數(shù)據(jù)項目中學到了東西，我寫了更多的Scala代碼。以flip spark為例，該公司的爬蟲程序也使用Python

我想讓你學習java，因為java并不缺乏資源，有很多學習資料、視頻、書籍等，java不怕找不到工作。

關鍵是讓您盡快進入軟件編程行業(yè)，培養(yǎng)您的自信心和解決問題的能力。不要以為學了Java以后，你就只會從事Java了

你需要掌握的是學習的能力，掌握知識的方法，努力學好一門語言，以此類推，學好一門語言，學好其他語言這不是問題。

不想什么都學，尤其是剛開始的時候。徹底學習java，然后學習p打開應用程序是很容易的。我一兩天就能用上這些資料。

認清目標，努力學習，努力實踐，不要在選擇Java或python上花費太多精力，選擇哪一個是可以的，關鍵是要多寫代碼，努力工作，再試一次。

Keras還是TensorFlow，程序員該如何選擇深度學習框架？

如果您想用少量代碼盡快構建和測試神經(jīng)網(wǎng)絡，keras是最快的，而且順序API和模型非常強大。而且keras的設計非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡單操作相比，tensorflow編譯碼的構造過程非常復雜（尤其對于初學者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設計原則之一，用戶可以根據(jù)自己的需求進行組合。如果你只是想快速建立通用模型來實現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對較慢。如果高度包裝，上述缺點將更加明顯。除了一些對速度要求較低的工業(yè)應用外，由于tensorflow的速度較高，因此會選擇tensorflow

如果您在驗證您的想法時，想定義損失函數(shù)而不是使用現(xiàn)有的設置，與keras相比，tensorflow提供了更大的個性空間。此外，對神經(jīng)網(wǎng)絡的控制程度將在很大程度上決定對網(wǎng)絡的理解和優(yōu)化，而keras提供的權限很少。相反，tensorflow提供了更多的控制權，比如是否訓練其中一個變量、操作梯度（以獲得訓練進度）等等。

盡管它們都提供了深度學習模型通常需要的功能，但如果用戶仍然追求一些高階功能選擇，例如研究特殊類型的模型，則需要tensorflow。例如，如果您想加快計算速度，可以使用tensorflow的thread函數(shù)來實現(xiàn)與多個線程的相同會話。此外，它還提供了調(diào)試器功能，有助于推斷錯誤和加快操作速度。