您应该为您的机器学习或深度学习项目选择哪种编程语言?这些是你最好的选择
你应该学习哪种编程语言来探究人工智能的深度?当然,你会想要一种有很多好的机器学习和深度学习库的语言。它还应该具有良好的运行时性能,良好的工具支持,庞大的程序员社区和健康的支持包生态系统。这仍然会留下很多好的选择。
下面是我为人工智能开发选择的五种最佳编程语言,以及三个值得尊敬的提到。其中一些语言正在崛起,而另一些似乎在下滑。几个月后再来,你可能会发现这些排名已经改变了。
第,一是python。怎么会是别的呢,真的?虽然关于python有一些令人发狂的事情,比如空白,python 2。和python 3. x之间的巨大分割,这五种不同的打包系统都以不同的方式被破坏,如果你在做人工智能的工作,你几乎肯定会在某个时候使用python。
Python中可用的库在其他语言中几乎是无与伦比的.numpy已经变得无处不在,它几乎是张量操作的标准API,熊猫将r的强大而灵活的数据帧带到了Python上。对于自然语言处理(NLP),您拥有值得尊敬的NLTK和极快的宽大的。对于机器学习,有经过战斗测试的SciKit学习。当涉及到深度学习时,所有当前的库(TensorFlow PyTorch,链,ApacheMXnet, Theano等)实际上都是Python第一个项目。
如果您正在阅读关于arxiv的前沿深入学习研究,那么几乎可以肯定,您将在python中找到源代码。然后是python生态系统的其他部分,虽然ipython已经成为jupyter笔记本,并且不再以python为中心,但您仍然会发现大多数jupyter笔记本用户以及大多数在线共享的笔记本都使用python。
这是无法回避的.python是人工智能研究的前沿语言,是你能找到的机器学习和深度学习框架最多的语言,也是人工智能世界中几乎所有人都会说的语言。出于这些原因,Python是人工智能编程语言中的第一个。
<强> 看个人简介
JVM语言系列(Java, Scala,芬兰湾的科特林,Culjule等)也应是人工智能用程序开发的一个很好的选择。无论是自然语言处理(corenlp)张量操作(nd4j)还是完整的GPU加速深度学习堆栈(dl4j),您都可以为管道的所有部分提供大量的库。此外,您还可以轻松访问大型数据平台,如ApacheShark和ApacheHadoop。
Java是大多数企业的通用语言,随着Java 8和Java 9中可用的新语言构造,编写Java代码并不是我们许多人所记得的可恶的经历。在Java编写AI应用程序可能会觉得无聊,但它可以完成任务,并且可以使用所有现有的Java基础设施进行开发,部署和监控。
当开发一个AI应用程序时,C/c++不太可能成为你的首选,但是如果你在一个嵌入式环境中工作,而你负担不起Java虚拟机或Python解释器的开销,C/c++就是答案。当您需要从系统中挤出最后一点性能时,那么您需要返回到可怕的指针世界。
值得庆幸的是,现代C/c++可以写得很好(诚实!)。你有多种方法可供选择。您可以潜入栈底,使用CUDA之类的库来编写直接在GPU上运行的代码,也可以使用TensorFlow或牛奶来访问灵活的高级API。后者还允许您导入您的数据科学家可能用Python构建的模型,然后以C/c++提供的所有速度在生产中运行它们。
留意锈病锈在未来的一年里会对这个领域产生什么影响。将C/c++的速度与类型和数据安全相结合,在不产生安全性头痛的情况下,崛起是实现生产性能的一个很好的选择。已经有了TensorFlow绑定。
JavaScript ?到底发生了什么?好吧,谷歌最近发布了TensorFlow.js,一个WebGL加速库,允许你在你的网络浏览器中训练和运行机器学习模型。它还包括KerasAPI以及加载和使用在常规TensorFlow中培训过的模型的能力。这可能会吸引大量开发者涌入人工智能领域。虽然JavaScript目前无法像这里列出的其他语言一样访问机器学习库,但很快开发人员将在他们的网页中添加神经网络,其冷漠程度与添加反应组件或CSS属性的程度几乎相同。
想知道有那几种最佳人工智能开发语言吗?大概就是这些了
