掌握python编程语言tensorflow_问答 | TensorFlow，为什么选择 PyThon 作为开发语言？...

话不多说，直接上题

问：TensorFlow，为什么选择 PyThon 作为开发语言？

为什么 Python被Google选为TensorFlow 的开发语言呢？使用 Python 比C ++语言进行机器学习有什么优势？

来自社友的回答

▼▼▼

@aRiceman：其实TensorFlow大部分内核并不是用Python编写的 ：它是高度优化了C ++和CUDA(Nvidia用于编程GPU的语言)的组合。 相反，通常它是使用了Eigen (高性能C ++和CUDA库)和NVidia的cuDNN (用于NVidia GPU的非常优化的DNN库，用于卷积等功能)。

TensorFlow的模型是程序员用“一种语言”(很可能是Python！)来表达。 这个模型，是写在TensorFlow结构中的，如：

h1 = tf.nn.relu(tf.matmul(l1, W1) + b1)

h2 = ...当Python运行时，实际上并没有被执行。 相反，实际创建的是一个数据流图 ，表示采取特定输入，应用特定操作，将结果提供给其他操作的输入，等等。 该模型由快速C ++代码执行，并且在大多数情况下，操作之间的数据不会被复制回Python代码 。

然后，程序员通过拉扯节点来驱动这个模型的执行，通常用Python进行训练，有时在Python中，有时是在原始的C ++中：

sess.run(eval_results)这一个Python程序(或C ++函数调用)使用C ++的进程内调用或分布式版本的RPC调用C ++ TensorFlow服务器来告诉它执行，然后复制结果。

所以说，我们再说一下这个问题：为什么TensorFlow选择Python作为表达和控制模型训练而且支持的非常好的语言？

答案很简单：Python可能是大量数据科学家和机器学习专家用的最舒适的语言，也是易于集成和控制C ++后端的语言，同时也是广泛使用与谷歌的公司内外和他们的开源产品。 鉴于使用TensorFlow的基本模型，Python的性能并不重要，这是一个很自然的契合。 NumPy也是一个巨大的加分，它可以很容易地在Python中进行预处理(也是高性能)，然后将它们提供给TensorFlow，以获得真正CPU-heavy的东西。

@梦幻水蓝：库多，数据存储方便，其它语言交互方便，图形图像方便，还有云系统Python开源，矩阵各种运算和操作也挺方便的。

@机器人X：因为C++学习成本太高。

@热苏斯：Python允许您使用C和C ++创建扩展模块，与本机代码进行交互，仍然可以获得Python为您提供的优势。

TensorFlow使用Python，但它也包含大量的 C++。

它允许你使用更简单的接口进行实验，用Python减少思考量，并通过C++编译最重要的部分来增加性能。