特斯拉嫌弃 Python，追捧 C++( 三 )_特斯拉嫌弃Python

图片来源：英伟达大多数流行的机器学习框架都依赖C++ ，比如TensorFlow、Pytorch甚至CUDA 。如上所示， CUDA不仅仅是一种编程语言，更是一种工具包，为使用C/C++的开发人员提供了扩展，以便表达大量的并行处理，并引导编译器处理应用程序中映射到GPU的那部分。同样， Python也是一种接口，它让用户可以进行交互并利用机器学习功能，无需学习C++的基本细节。 Python主要用作一种接口。作出这样的安排是为了让更多非编程出身的开发人员可以尽快上手、构建机器学习应用程序。 Python易学易用，它之所以大受欢迎就是缘于这一点。然而，如果人们从头开始学起，会发现C ++这种传统语言之类的语言支持的API和接口用起来很容易。只需借助经过优化的GPU库（比如BLAS）和计算机视觉库（比如OpenCV）。需要速度的一切应用都可以用C++以及Python绑定加以编写。与C++不同， Python用户可以从零开始编写一个卷积神经网络，用不了50行代码。 C++需要了解一些较复杂的知识，这对新手来说是一大弊端。在这里时间很关键。比如说，正整合机器学习工具的物理学家更喜欢像Python这种轻巧而简单的编程语言。然而， C++在库和框架的后台处理所有繁重任务（读取矩阵乘法）。