人工智能是一定要學(xué)習(xí)python嗎？還會(huì)用到哪些語(yǔ)言？作為多年的實(shí)踐者，我想說的是，Python和人工智能是兩個(gè)完全不同的概念。Python只是一種編程語(yǔ)言，而人工智能是一種科學(xué)方法，主要研究如何通過

人工智能是一定要學(xué)習(xí)python嗎？還會(huì)用到哪些語(yǔ)言？

作為多年的實(shí)踐者，我想說的是，Python和人工智能是兩個(gè)完全不同的概念。Python只是一種編程語(yǔ)言，而人工智能是一種科學(xué)方法，主要研究如何通過計(jì)算機(jī)實(shí)現(xiàn)與人類智能相似的設(shè)備或程序。python作為一種計(jì)算機(jī)編程語(yǔ)言，可以作為實(shí)現(xiàn)人工智能的編程工具，但它并不是唯一的選擇。

首先簡(jiǎn)單介紹一下人工智能的實(shí)現(xiàn)方法。目前，主要有兩所學(xué)校。

一個(gè)是基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)，也就是說，近年來，隨著谷歌的阿爾法狗獲得世界圍棋冠軍，它又流行起來了（之所以再次被使用，是因?yàn)樗餍辛艘欢螘r(shí)間，后來遇到技術(shù)瓶頸時(shí)就沉寂了）。為了促進(jìn)人工智能的發(fā)展，Google開源的tensorflow庫(kù)受到了廣大研究人員的青睞，它可以極大地促進(jìn)人工神經(jīng)網(wǎng)絡(luò)的開發(fā)和實(shí)驗(yàn)。python作為tensorflow的編程語(yǔ)言，自然成為研究人員必不可少的工具。此外，F(xiàn)acebook的開源項(xiàng)目pytorch也是一個(gè)優(yōu)秀的機(jī)器學(xué)習(xí)庫(kù)。它還使用Python作為開發(fā)語(yǔ)言，為Python添加了許多用戶。實(shí)際上，也有很多語(yǔ)言可以用于人工智能開發(fā)，比如MATLAB和C/C，它們也被廣泛使用，但是編程過程會(huì)稍微復(fù)雜一些。

另一種實(shí)現(xiàn)人工智能的方法是基于演繹邏輯的推理方法。曾經(jīng)流行的專家系統(tǒng)正是基于這一技術(shù)，正是因?yàn)榻陙恚疃葘W(xué)習(xí)蓬勃發(fā)展，其輝煌被掩蓋。在這種人工智能實(shí)現(xiàn)模式中使用的編程語(yǔ)言是LISP和Prolog。

另外，我想提醒你，如果你想學(xué)習(xí)人工智能，僅僅能夠編程是不夠的。它需要一個(gè)堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)，從線性代數(shù)，概率過程，到微積分，甚至張量分析。有了這些基礎(chǔ)知識(shí)，就可以理解和改進(jìn)各種學(xué)習(xí)算法。至于你的算法是用什么語(yǔ)言實(shí)現(xiàn)的，就簡(jiǎn)單多了。當(dāng)然，Python是一個(gè)不錯(cuò)的選擇。它比其他語(yǔ)言更簡(jiǎn)單、更容易學(xué)。關(guān)鍵是要有強(qiáng)大的圖書館支持。

編程初學(xué)者應(yīng)該先學(xué)C 、Java還是Python？

在前一段時(shí)間，我一直認(rèn)為引入C編程語(yǔ)言是一個(gè)非常好的選擇。其實(shí)C語(yǔ)言更適合初學(xué)者學(xué)習(xí)。

對(duì)于C語(yǔ)言學(xué)習(xí)，我建議您查看郝斌的C語(yǔ)言課程。解釋得很詳細(xì)。這是我的實(shí)踐課。

如果您使用python，入門也是一個(gè)不錯(cuò)的選擇。

Java是迄今為止使用最多的語(yǔ)言。今天我覺得可以用java開始了。但是，要開始學(xué)習(xí)，您必須只選擇學(xué)習(xí)面向?qū)ο笄懊娴闹R(shí)。如果初學(xué)者一起加入面向?qū)ο蟮膶W(xué)習(xí)。你會(huì)發(fā)現(xiàn)你可以崩潰。

只有完成面向?qū)ο蟮娜^程后，非常熟悉，才能進(jìn)行面向?qū)ο蟮膶W(xué)習(xí)。

如果您有任何問題，請(qǐng)指出。

Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？

如果您想用少量代碼盡快構(gòu)建和測(cè)試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且順序API和模型非常強(qiáng)大。而且keras的設(shè)計(jì)非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡(jiǎn)單操作相比，tensorflow編譯碼的構(gòu)造過程非常復(fù)雜（尤其對(duì)于初學(xué)者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設(shè)計(jì)原則之一，用戶可以根據(jù)自己的需求進(jìn)行組合。如果你只是想快速建立通用模型來實(shí)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(duì)較慢。如果高度包裝，上述缺點(diǎn)將更加明顯。除了一些對(duì)速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會(huì)選擇tensorflow

如果您在驗(yàn)證您的想法時(shí)，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個(gè)性空間。此外，對(duì)神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對(duì)網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓(xùn)練其中一個(gè)變量、操作梯度（以獲得訓(xùn)練進(jìn)度）等等。

雖然二階車型功能性更強(qiáng)，但用戶需要選擇更多功能性車型。例如，如果您想加快計(jì)算速度，可以使用tensorflow的thread函數(shù)來實(shí)現(xiàn)與多個(gè)線程的相同會(huì)話。此外，它還提供了調(diào)試器功能，有助于推斷錯(cuò)誤和加快操作速度。