這裡是 AI 研習社，我們的問答版塊已經正式推出了！歡迎大家來多多交流~

https://club.leiphone.com/page/question

社長為你推薦來自 AI 研習社問答社區的精華問答。如有你也有問題，歡迎進社區提問。

話不多說，直接上題

問：TensorFlow，為什麼選擇 PyThon 作為開發語言？

為什麼 Python被Google選為TensorFlow 的開發語言呢？使用 Python 比C ++語言進行機器學習有什麼優勢？

來自社友的回答

@aRiceman：

其實TensorFlow大部分內核並不是用Python編寫的 ：它是高度優化了C ++和CUDA（Nvidia用於編程GPU的語言）的組合。 相反，通常它是使用了Eigen （高性能C ++和CUDA庫）和NVidia的cuDNN （用於NVidia GPU的非常優化的DNN庫，用於卷積等功能）。

TensorFlow的模型是程序員用「一種語言」（很可能是Python！）來表達。 這個模型，是寫在TensorFlow結構中的，如：

當Python運行時，實際上並沒有被執行。 相反，實際創建的是一個數據流圖 ，表示採取特定輸入，應用特定操作，將結果提供給其他操作的輸入，等等。 該模型由快速C ++代碼執行，並且在大多數情況下，操作之間的數據不會被複制回Python代碼 。

然後，程序員通過拉扯節點來驅動這個模型的執行，通常用Python進行訓練，有時在Python中，有時是在原始的C ++中：

sess.run(eval_results)

這一個Python程序（或C ++函數調用）使用C ++的進程內調用或分散式版本的RPC調用C ++ TensorFlow伺服器來告訴它執行，然後複製結果。

所以說，我們再說一下這個問題：為什麼TensorFlow選擇Python作為表達和控制模型訓練而且支持的非常好的語言？

答案很簡單：Python可能是大量數據科學家和機器學習專家用的最舒適的語言，也是易於集成和控制C ++後端的語言，同時也是廣泛使用與谷歌的公司內外和他們的開源產品。 鑒於使用TensorFlow的基本模型，Python的性能並不重要，這是一個很自然的契合。 NumPy也是一個巨大的加分，它可以很容易地在Python中進行預處理（也是高性能），然後將它們提供給TensorFlow，以獲得真正CPU-heavy的東西。

@夢幻水藍：

庫多，數據存儲方便，其它語言交互方便，圖形圖像方便，還有雲系統Python開源，矩陣各種運算和操作也挺方便的。

@機器人X：

因為C++學習成本太高。

@熱蘇斯：

Python允許您使用C和C ++創建擴展模塊，與本機代碼進行交互，仍然可以獲得Python為您提供的優勢。

TensorFlow使用Python，但它也包含大量的 C++。

它允許你使用更簡單的介面進行實驗，用Python減少思考量，並通過C++編譯最重要的部分來增加性能。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！