Rust有望取代C和C++，成为机器学习首选的Python后端

型，这通常是没有争议的。你有一组数据，然后把它们切成许多片段从而更好地理解它们，接着尝试各种方法来解决你所关注的特定问题。（在谷歌街景图片中识别出小猫？天气预报？抑或是作物产量优化？做什么你来定！）

这一路上会有很多陷阱，最后你尝试使用的大多数技术都不是开箱即用的，因此重点在于 快速的原型设计 和 迭代 改进。

对于像 Python 这样的动态编程语言，这是一个理想的使用场景。

更重要的是，你要考虑到大多数机器学习实践者会有统计学、数学、物理或类似学位的背景，却不是计算机科学专家，也就是说他们（我也一样✋）几乎没有接受过软件工程实践和工具方面的训练。

虽说 Python 同时支持函数式和面向对象的模式，但你可以使用命令式风格，凭借其脚本功能来快速上手。它的入门门槛很低，随着你的经验提升，越来越精于此道，Python 也会与你一同成长。

但是，仅仅易用是远远不够的：训练机器学习模型需要大量的繁琐运算，而 Python 绝对不是最快的编程语言。

于是我们看到 NumPy（1995/2006）、SciPy（2001）、Pandas（2008）和 Scikit-learn（2007）鱼贯入场。如果没有这样一个用于机器学习和科学计算的、高质量且覆盖全面的工具包，Python 就不会取得今天的地位。

然而，如果你深入背后探究一番，就会发现那里没有多少 Python 的位置：你正在使用 Python 来编排和利用 一个 C 和 C++ 例程的强大内核。

Python 是这些系统的前端，用户用 Python 这个用户界面将它们轻松地粘合在一起。C 和 C++ 才是你的后端，是幕后的魔力源泉。

（编辑：济宁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!