人工智能python

目前，机器人的开展越来越疾速，随同来的就有不同的声音，将来是机器人主宰人类？还是人类主宰机器人？想必大家都明白，肯定是人类主宰机器人，为什么？由于言语。

将来是机器人还是人类的天下？

假如你想进入人工智能这一范畴，你应该首先学习Python。

虽然人工智能范畴还支持其它很多言语，但 Python 是应用范围最广而且最简单的一个。但是为什么要选择 Python 呢——毕竟 Python 速度这么慢？由于大多数的库都运用的是符号式言语（symbolic language）办法而非命令式言语（imperative language）办法。解释一下也就是说：不是一条接一条地执行你的指令，而是依据你给出的一切指令创立一个计算图（computing graph）。这个图被内部优化和编译成可执行的 C++ 代码。这样你就能同时应用上两个世界的最优之处：Python 带来的开发速度和 C++ 带来的执行速度。

我常听到人们议论深度学习和人工智能——我该从哪里开端呢？TensorFlow 是如今最盛行的吧？我听说 Caffe 很常用，但会不会太难了？在 BEEVA Labs，我们常常需求应对许多不同的深度学习库，所以我希望可以将我们的发现和感受分享出来，协助那些刚刚进入深度学习和人工智能范畴的人。

首先说几个常用的深度学习言语。

TensorFlow

TensorFlow 是一个运用数据流图（data flow graphs）停止数值计算的开源软件库。TensorFlow是Google Brain的第二代机器学习系统，曾经开源。TensorFlow在很多中央能够应用，如语音辨认，自然言语了解，计算机视觉，广告等等。TensorFlow是一个十分灵敏的框架，它可以运转在个人电脑或者效劳器的单个或多个CPU和GPU上，以至是挪动设备上。

TensorFlow 支持 Python 和 C++，也允许在 CPU 和 GPU 上的计算散布，以至支持运用 gRPC 停止程度扩展。

Caffe

Caffe 不只是最老牌的框架之一，而是老牌中的老牌。起初的时分它并不是一个通用框架，而仅仅关注计算机视觉，但它具有十分好的通用性。在我们实验室的实验中，CaffeNet 架构的锻炼时间在 Caffe 中比在 Keras 中（运用了 Theano 后端）少 5 倍。Caffe 的缺陷是它不够灵敏。假如你想给它来一点新改动，那你就需求运用 C++ 和 CUDA 编程，不过你也能够运用 Python 或 Matlab 接口停止一些小改动。

Caffe 的文档十分贫乏。你需求花大量时间检查代码才干了解它（Xavier 初始化有什么用？Glorot 是什么？）。Caffe 的最大缺陷之一是它的装置。它需求处理大量的依赖包……

MXNet

mxnet 是一个支持大多数编程言语的框架之一，包括 Python，R，C++，Julia 等。但我觉得运用 R 言语的开发者会特别偏爱 mxnet，由于至今为止还是 Python 以不可置疑的态势称霸深度学习言语的。我对多 GPU 的扩展才能有点疑虑并且我很原意去理解这样实验的更多细节，但目前我还是对 mxnet 持疑心态度。

那么，python为什么合适人工智能？

谷歌的TensorFlow根本上一切的代码都是C++和Python，其他言语普通只要几千行 。假如讲运转速度的局部，用C++，假如讲开发效率，用Python，谁会用Java这种高不成低不就的言语搞人工智能呢？Python固然是脚本言语，但是由于容易学，疾速成为科学家的工具（MATLAB也能搞科学计算，但是软件要钱，且很贵），从而积聚了大量的工具库、架构，人工智能触及大量的数据计算，用Python是很自然的，简单高效。如今大局部深度学习框架都支持Python，不用Python用谁？Python有十分多优秀的深度学习库可用，人生苦短，就用Python。

如何让本人运用Python开发的机器学习模型快捷低本钱的跑起来，深度兼容TensorFlow？你能够学习下谷歌的AIY Projects 项目。它也正在经过“AIY项目”这样的方案来促进开发人员和DIY社区对人工智能的兴味，这些方案自身代表了人工智能。谷歌的目的是让AI完成真正的平民化，让人工智能无处不在，人人都能够学习。