問答專欄Q & A COLUMN
C++屬于研發工，Python屬于裝配工。
你要知道Python調用的那些庫都應該是C++寫的，沒有C++寫出基礎庫，那Python也無米可炊；
當然，你讓研發工去搞裝配，不是不行，但浪費了，而且Python是個非常優秀的膠水語言。尤其在試驗過程中，可以降低成本。
說實話，如果不求深入研發，Python用用已有的C++庫，夠了。
評論0
加載中...
這個問題我有答案，頂我上去。
因為這兩個崗位要干的活完全不一樣。
第一個要求python和tensorflow說明整個工作主要在設計模型，訓練模型，最后可能的輸出形式是用模型離線算一批數據或者用GPU在服務器部署；所以不需要太多的C/C++工程能力。
第二個工作要求C/C++，特別有一條要在手機客戶端部署，這個要求就高很多了，不只是模型訓練，你還需要在手機上實現模型，手機上可沒有CUDA生態的GPU，主要是一些協處理器，沒法直接上tensorflow。所以此時，比較好的方案就是用C/C++來進行CPU編程實現模型。
評論0
加載中...
人工智能，就是讓機器可以像人一樣思考問題。典型的場景有：圖像識別、自然語言處理、語音處理、動態物體跟蹤、可運動的機器人，等等。
智能，就是人類可以很容易作出判斷，但是卻根本描述不清楚為什么是這樣。比方說，一張人臉，人類盯上不超過一秒鐘，然后幾乎不需要思考，就立刻認出這是誰。但是人類卻根本無法用文字作出該臉特征的描述。讀文章，有“語感”，聽音樂，有“樂感”。為什么某首樂曲聽上去悲傷？感覺，樂感，真的說不清楚悲傷的原因。開車，也是講“感覺”。只有學駕照的時候，教練才教很多公式，教很多特殊點(雨刷鉚釘，右邊玻璃的右下角等等)。AlphaGo為什么是人工智能？對了，就是“棋感”。
而早期的深藍下國際象棋，勝過人類，就不能叫智能。因為它基本上是以窮舉為主，深藍的每一步操作都是精確可描述的，是“可知”的，是機器思維而不是人類思維。相反，AlphaGo就連開發者都搞不清楚這機器是怎么運作的。它就是個“黑匣子”。它模擬的是人的“感覺”而不是一堆人類發明的精確圍棋算法公式。感覺是無法用語言描述的。
簡單算術運算也不是智能，因為人類列算式計算的每一步都是可精確描述的。同樣電子計算器在算術運算時的每一個步驟同樣也是如此(雖然它用的是二進制計算，數字電路，泰勒級數展開等與人類不太一樣的方法)。
人工智能要模擬人的“感覺”，就必須訓練，也可以叫做“學習”。比如讓它區分貓和狗，就給它幾萬張貓和狗的圖片，讓它自己去慢慢學習。在學習前，人類只需要告訴它某張圖是貓或是狗，其他信息一概不用多說。比如完全沒有必要提醒它有胡子的就是貓。
從目前的技術來看，訓練是非常考驗技術和花費時間的。以致于大家一提到人工智能，就是以為在說機器訓練(機器學習)。
訓練是個反復迭代的過程，就是說需要不斷地探索，此路不通，就換一條路，非常艱辛。現實中，往往是不斷地調整神經網絡的參數，不斷地對比訓練結果。多數時候還要數據預處理，以及輔助傳統的機器學習、傳統圖像處理、模式識別等技術。
那么，上述過程，誰最擅長？現在公認的就是Python。
Python是解釋性語言而，弱類型，用起來很方便，開發效率大大高過C++、JAVA等語言，而且有很多現成的機器學習、深度學習、科學計算庫，這些都是它作為人工智能語言的優勢。AlphaGo的頂層代碼大部分是用的Python，AlphaGo的成功，也對Python起了很大的推動作用。
數據的訓練還可以細分為兩類。一是前期的算法探索和小樣本數據訓練，二是后期正式的大規模數據訓練。比如實驗的1萬個樣本，可能要訓練1個小時才能得到理想的網絡。而最終的100萬個樣本時，可能就需要100個小時。這已經很長了。這時候，C++的作用就體現出來了。可以用C++花很多的人力成本投入去優化算法。概括說來就是，前期用Python進行算法探索，待算法和相關參數確定，后期用C++重寫算法實現生產環境的真實的正式的訓練。
訓練是人工智能的很難的一部分，但是絕對不是人工智能的全部。人工智能還包括前期的數據獲取、數據預處理和后期的實際應用。
訓練得到的只是一個巨大的神經網絡，有了它以后就可以預測了。預測所需要花的時間遠遠短于訓練。比如訓練花100個小時，而用訓練好后的網絡預測可能只需要5秒?？蓜e小看這5秒的短時間。我們仍然有必要優化，比如是否可以1秒就完成，0.1秒完成？試想，設計一個無人駕駛系統，那可是分秒必爭??！稍微反應遲緩就可能釀成事故。
這時候，C++的作用又一次體現出來了！
這還沒完。人工智能的載體可能會很精簡。比方說嵌入到人體，嵌入到汽車，這么小的系統，不是Python的天下。還有機器人，是可以運動的，如何驅動機器動，這不還是C++的強項嘛。
另外，還涉及到前期的數據采集和預處理。比如圖像、音頻、視頻，需要實時感知，包括必要的預處理(比如灰度化、關鍵部位快速定位)。這就要用到音頻視頻的高效處理，數據通信，物聯網等技術。這不還是C++的強項嗎？
總之，在人工智能開發的整個過程中，Python主要處理算法模型部分，而具體的前期數據獲取和后期與外部設備部分的交互則可以用C++來實現。
說個最夸張的例子。假如我們已知X要預測Y，Python做的工作就是找到Y=aX+b這測關系式，特別是a和b的具體數值最值錢。而除此之外的所有工作，從數據采集，軟件架構設計，數據庫設計與讀寫，后臺運作，分布式處理一直到前端展示可能都是用的Python以外的技術(比如C++)來實現。Python的工作僅僅是得到a和b，僅此而已！
不過，從目前來看，人工智能最主要和最難的部分依然是由Python來實現的。
評論0
加載中...
py用來訓練、測試、驗證模型，c++用來部署模型。拿mxnet來說，開發的時候，用py-mxnet來訓練測試模型，當模型達到性能和速度需求后，用mxnet的c動態庫來deploy部署，可以編譯不同硬件平臺的動態庫。
評論0
加載中...
其實人工智能可以用到很多種語言，不只是Python和C/C++，還有Java，以及lisp，prolog.不過目前來看，還是Python和C++用得更多。
而Python其實是人工智能的首選語言，而且想要入門Python比其他語言都會容易些。當然了，不是說C++在人工智能中就毫無用處了，而是相比Python，它更不適合用在人工智能上。為什么？
看看它的缺點：1.遵循自上而下的方法，語言比較復雜；2.僅僅是更適合實現特定系統或者是算法核心/基礎。
而Python呢？優勢更多：1.開發速度明顯比C++更快；2.有各種各樣的庫和工具；3.它面向對象；4.它還支持算法測試。
評論0
加載中...
C++是所有語言的基礎，現在很多編程語言都是由此衍生過來的，因為精通C++太難了，其語言的繁瑣性，很多人都在半路上就放棄了，所以才出現了之后的很多簡潔版的編程語言。
所以就當前的學習趨勢來看，很多人都會選擇Python，不僅僅是因為Python具有強大的數據庫，對人工智能技術有著更多的優勢，還因為相對于C++語言來說，是簡單容易入門，容易上手的！很多零基礎的同學也是可以學會的！
評論0
加載中...
這么說吧，C++學精了，上手其他編程語言會簡單許多，有很多優勢，python主要是上手簡單，但是精通也不容易。程序語言也沒有哪個更重要，只有哪個更適合。人工智能的開發的核心庫一般都也是C++寫的，只是提供了python程序語言接口，因為它更便捷。在開發過程中遇到性能調優的問題時還是會繞回到C++的。
評論0
加載中...
首先，什么是人工智能要搞清楚。機器學習 深度學習不能代替人工智能。第二，用于人工智能的語言很多，lisp,prolog,smalltalk是傳統人工智能語言,forth, C/C++,fortran,Cobol,JAVA,Python,...都可以并實際用于人工智能。第三 關于機器學習，C/C++是Python算法庫的根。算法實現需要C/C++。應用可以用Python.因此，真正搞機器學習，還是需要C/C++。搞人工智能需要的知識更多。lisp,prolog也往往需要C/C++來實現。我自1983年進入人工智能領域。幾十年沒有多少同行。去年冒出那么多專家。懵了。第四，我本人不贊成Python是最適合人工智能的語言。請問lisp,prolog,smalltalk放哪？可解釋推理。Python怎么實現？
評論0
加載中...
這個主要看這個崗位招收的人員是需要進行哪個層次的編程工作。
C++在繼承了C語言的優點的同時加入了面向對象的內容。所以C++語言不但可以構建效率較高的底層具體的算法實現，又有良好的擴展性和代碼重用性。所以一般在追求高效運行的底層算法中，我們一般使用C或C++來進行構建。
python語言作為一種解釋性語言，運行效率比較低。但是python上已經具有了大量構建好的人工智能算法庫。所以python語言更適于構建上層框架。這樣不但構建效率高，容易調試。因此在上層算法中通常使用python語言構建應用層框架。
通過兩種語言的配合方式充分利用了兩種開發語言的長處和有點，也利于保持原有語言類型上所進行的原有開發。
因此，在人工智能崗位的招聘中，大一些的公司都會分開來進行招聘。需要底層算法實現的招熟悉C或C++的人，需要高層算法實現的招熟悉python的人。
評論0
加載中...
平常訓練使用python，真正上線的時候用cpp。因為如果用python環境是個問題，一臺機器一臺機器的搭建paddle or tensorflow太麻煩了，況且效率也不高。將預測的代碼寫成cpp的，只把依賴的庫拷貝出來放到每臺機器上就行了。
評論0
加載中...10
回答0
回答3
回答0
回答10
回答0
回答0
回答0
回答0
回答0
回答
