python对建筑设计的作用_Python 与深度学习有哪些与建筑设计相接轨的可能性？...

写在最前面: 我自己不是学建筑的，对建筑的理解可能会有偏差，懂一点点deep learning。

这个问题可以分开来回答，Python 与deep learning，deep learning 与建筑。

Python 是deep learning的一个工具，其他的语言，如c/c＋＋，MATLAB也可以实现同意的功能，只是不同的语言有不同的优点。从建筑学学生角度来看，Python 应该是做deep learning最好的工具(个人感觉)。

拿Python自己去一步一步实现 deep learning 框架？显然没必要(这是CS的人干的)。主流的deep learning 框架有mxnet，caffe，TensorFlow(还有很多其他的开源库)，这些的底层都是拿c＋＋写的，都留有Python接口。学好了Python，懂算法了，拿这些库来实现就OK。

对比这些个库的效率，上手难易度，功能方面的文章应该是很多，我在这里简单说一下。mxnet有团队一直在维护，效率高，代码规范也不错，分布式的效率也高，但是可能文档没有那么好，毕竟不是公司主推。现在有Amazon了，可能会好一点点。

caffe应该算是deep learning 库的鼻祖，cudnn很多都是参考caffe来设计的。但缺点是贾扬清去了Facebook以后感觉caffe维护的明显很差，代码规范也不是很好，而且很多新的layer 可能更新的不是那么及时。我自己就是基于caffe开发了自己用的工具，但是作为一个单纯的使用者，我不推荐caffe。

TensorFlow是Google的，速度相对慢，代码相对难读(一般人应该不会去读)，但是文档支持好，功能也全，用的人也多，是可以考虑的选择。

最后写一点关于电脑硬件相关的问题，学建筑肯定有好显卡，但建筑可能用的更多的是画图卡，不过cuda应该是支持的，有条件的可以配置一台工作站来搞，毕竟需要二十四小时跑数据，电脑差了还是不行。另外就是AMD的卡不支持cuda，Mac pro应该是用的AMD的卡。

接下来回答deep learning 与建筑学。

我对deep learning 在建筑中可能的运用来自己其他场合运用的联想。learning to generate chairs with convolutional neural network 这篇paper 是train 一个网络来生成椅子。网络的输入是椅子的类型，视角，以及空间位移等信息，我个人的理解是同样的想法可能运用与建筑模型的生成。但是这里会有问题，第一，用于train网络的椅子的数据很好生成，建筑模型的数据我不知道怎么去搞，而且想要生成复杂建筑模型，需要的网络更深，所以train的难度更大，需要的数据量更大。第二，椅子的图片是project 到2d平面的，建筑的显然不能这么来，trian 3d的输出，难度再增加两个数量级吧。第三，train出来的椅子的数据质量并不高，所以想要train能够直接使用的建筑模型貌似更难吧，很有可能是只能给建筑设计师提供一些idea。

另外一篇经典paper是visualizing deep convolutional neural networks using natural pre-images，牛津vgg出品，这篇paper主要讲怎么从deep 网络里恢复图片信息，这个思路应该是建筑想要的，可以看看。

希望对你有帮助~