摘要:研究人員和機器學(xué)習(xí)的作者對于數(shù)學(xué)和面向數(shù)據(jù)的人來說,非常容易使用。這對于機器學(xué)習(xí)和領(lǐng)域的工作是非常重要的。高級腳本語言非常適合人工智能和機器學(xué)習(xí),因為我們可以快速移動并重試。
摘要: 為什么Python會在這股深度學(xué)習(xí)浪潮中成為編程語言的頭牌?聽聽大牛如何解釋吧!
1.Python網(wǎng)絡(luò)編程框架Twisted的創(chuàng)始人Glyph Lefkowitz(glyph):編程是一項社交活動——Python社區(qū)已經(jīng)認(rèn)識到了這一點!
人工智能是一個全面的技術(shù)術(shù)語,通常意味著當(dāng)前計算機科學(xué)研究中最先進的領(lǐng)域。
有一段時間,我們理所當(dāng)然的認(rèn)為基本圖遍歷是AI。那時候,Lisp是人工智能的專屬語言,僅僅是因為研究人員更容易用它來做快速原型。我認(rèn)為Python已經(jīng)在很大程度上取代了它,因為除了類似的高層次功能之外,它還擁有出色的第三方庫生態(tài)庫和框架以及操作系統(tǒng)設(shè)施的完美集成。
Lispers可能會反對我的看法,所以我應(yīng)該說清楚,我沒有對Python在應(yīng)用層次中的位置做出精確的陳述,只是說Python和Lisp都處于相同的語言類別中,像內(nèi)存安全、模塊、名稱空間和高級數(shù)據(jù)結(jié)構(gòu)。
在更具體的機器學(xué)習(xí)意義上,這是人們最近說的關(guān)于AI的最多的領(lǐng)域,我認(rèn)為還有更具體的答案。NumPy及其相應(yīng)的生態(tài)系統(tǒng)的存在使得研究人員可以對高級別內(nèi)容進行研究,并進行高性能的數(shù)字處理。如果不是有非常強的數(shù)字處理需求,機器學(xué)習(xí)是沒有任何意義的。
Python社區(qū)致力于為非程序員提供友好的介紹和生態(tài)系統(tǒng)支持,這確實增加了其在數(shù)據(jù)科學(xué)和計算科學(xué)的應(yīng)用。無數(shù)的統(tǒng)計工作人員、天文學(xué)家、生物學(xué)家和商業(yè)分析師已經(jīng)成為Python程序員,并且他們對自己的工具也做了些許的改進。編程基本上成為了一種社交活動,Python社區(qū)比JavaScript以外的任何其他語言都承認(rèn)這一點。
機器學(xué)習(xí)是一個特別集成度很高的學(xué)科,因為任何AI/機器學(xué)習(xí)系統(tǒng)都需要從現(xiàn)實世界中提取大量數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)或系統(tǒng)輸入,因此Python的框架庫生態(tài)系統(tǒng)意味著它通常可以很好地訪問和轉(zhuǎn)換數(shù)據(jù)。
Python允許用戶關(guān)注真正的問題
對于沒有受過計算機科學(xué)培訓(xùn)的科學(xué)家來說,Python非常容易理解。當(dāng)你嘗試驅(qū)動你需要執(zhí)行研究的外部庫時,它可以幫助你消除許多必須處理的事項。
在Numeric(現(xiàn)在是NumPy)開始開發(fā)之后,增加了IPython筆記本(現(xiàn)在是Jupyter筆記本)、matplotlib和許多其他工具以使事情更加直觀,Python讓科學(xué)家主要考慮解決問題的方法,而不是去考慮那么多推動這些解決方案所需的技術(shù)。
與其他領(lǐng)域一樣,Python是一種理想的集成語言,它將技術(shù)輕松綁定在一起。Python允許用戶關(guān)注真正的問題,而不是花時間在實現(xiàn)細節(jié)上。除了為用戶提供更方便的功能之外,Python還可以作為開發(fā)與外部庫進行低級集成的理想平臺。這主要是由于Python可以提供一個非常完整的API訪問。
對于數(shù)學(xué)和面向數(shù)據(jù)的人來說,Python非常容易使用。
我認(rèn)為Python更適合做AI有兩個主要原因。第一個原因是Python非常容易理解和學(xué)習(xí)。
我認(rèn)為大多數(shù)從事機器學(xué)習(xí)和人工智能的人員都希望以最快捷的方式實現(xiàn)自己的想法。人工智能的重點是研究和應(yīng)用程序,編程只是一個讓你到達那里的工具。對于需要更多的數(shù)學(xué)和以數(shù)據(jù)為導(dǎo)向的人來說,編程語言學(xué)習(xí)起來越舒服,進入壁壘越低。Python也是非常容易理解的,這有助于保持最新的機器學(xué)習(xí)和AI的現(xiàn)狀,例如,閱讀算法的代碼實現(xiàn)時。嘗試人工智能和機器學(xué)習(xí)的新思路往往需要實現(xiàn)相對復(fù)雜的算法,語言越簡單,調(diào)試就越容易。
第二個主要原因是,雖然Python本身就是一種非常易于訪問的語言,但我們在其之上有很多優(yōu)秀的庫,這使得我們的工作變得更容易。沒有人愿意花時間從頭開始重新實現(xiàn)基本算法(除了研究機器學(xué)習(xí)和人工智能)。大量已經(jīng)存在的Python庫幫助我們專注于更令人興奮的事情。
Python也可以用于處理高效的C/C ++算法和CUDA/cuDNN實現(xiàn)的優(yōu)秀包裝語言,這就是為什么現(xiàn)有的機器學(xué)習(xí)和深度學(xué)習(xí)庫在Python中高效運行的原因。這對于機器學(xué)習(xí)和AI領(lǐng)域的工作是非常重要的。
總而言之,我會說Python是一種偉大的語言,它可以讓研究人員和從業(yè)者專注于機器學(xué)習(xí)和AI,并且比其他語言更少分心。
4.ThoughtWorks的技術(shù)負(fù)責(zé)人Luciano Ramalho(@ramalhoorg):Python對科學(xué)計算有吸引力。
最重要和最直接的原因是NumPy和SciPy庫支持scikit-learn這樣的項目,因為它目前幾乎是所有機器學(xué)習(xí)任務(wù)的標(biāo)準(zhǔn)工具。
創(chuàng)建NumPy,SciPy,scikit-learn和其他許多庫的原因是因為Python有一些功能使其對科學(xué)計算非常有吸引力。Python有其簡單而一致的語法,可以讓軟件工程師以外的人更易于使用編程。
另一個原因是運算符重載,它使代碼可讀和簡潔。然后就是Python的緩沖協(xié)議(PEP 3118),這是外部庫在處理類似數(shù)組的數(shù)據(jù)結(jié)構(gòu)時與Python高效互操作的標(biāo)準(zhǔn)。最后,Python為科學(xué)計算提供了豐富的庫生態(tài)系統(tǒng),吸引了更多的科學(xué)家并創(chuàng)造了良性循環(huán)。
5.Mike Bayer,Red Hat的高級軟件工程師和SQLAlchemy的創(chuàng)建者:Python是嚴(yán)格和高度一致性的。
我們正在Python這個領(lǐng)域中開發(fā)我們的庫。我們將有一定希望保留和優(yōu)化的算法放入一個庫中,如scikit-learn。然后我們繼續(xù)迭代并分享關(guān)于我們?nèi)绾谓M織和思考數(shù)據(jù)的筆記。
高級腳本語言非常適合人工智能和機器學(xué)習(xí),因為我們可以快速移動并重試。我們創(chuàng)建的大部分代碼代表的是實際的數(shù)學(xué)和數(shù)據(jù)結(jié)構(gòu),而不是模板。
像Python這樣的腳本語言更好,因為它是嚴(yán)格的和高度一致性的。每個人都可以更好地理解彼此的Python代碼。
IPython筆記本等工具的可用性使得我們可以在全新的水平上迭代和分享我們的數(shù)學(xué)和算法。Python強調(diào)了我們正在努力完成的工作的核心,并且完全最小化了我們?nèi)绾谓o計算機指令的所有其他內(nèi)容,這就是它應(yīng)該如何實現(xiàn)的,自動完成任何你不需要考慮的事情。
文章原標(biāo)題《Why Deep Learning Has Not Superseded Traditional Computer Vision》
作者:Rich Gall
詳情請查看原文:
文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址:http://systransis.cn/yun/44634.html
摘要:研究人員和機器學(xué)習(xí)的作者對于數(shù)學(xué)和面向數(shù)據(jù)的人來說,非常容易使用。這對于機器學(xué)習(xí)和領(lǐng)域的工作是非常重要的。高級腳本語言非常適合人工智能和機器學(xué)習(xí),因為我們可以快速移動并重試。 摘要: 為什么Python會在這股深度學(xué)習(xí)浪潮中成為編程語言的頭牌?聽聽大牛如何解釋吧! showImg(https://segmentfault.com/img/bV59KD?w=780&h=405); 1.P...
摘要:大家好,我是黃文堅,今天給大家講講深度學(xué)習(xí)。我們再來看看這兩個深度學(xué)習(xí)的網(wǎng)絡(luò),左邊是策略網(wǎng)絡(luò),我走到一步的時候,分析棋盤上每個位置有多大價值,給每個位置打一個分?jǐn)?shù)。可以說深度學(xué)習(xí)讓機器人擁有幾歲小孩拾起物體的能力。 大家好,我是黃文堅,今天給大家講講深度學(xué)習(xí)。我不講技術(shù)原理,講講技術(shù)應(yīng)用。深度學(xué)習(xí)是我們明略重要的研究方向,是未來實現(xiàn)很多令人驚嘆的功能的工具,也可以說是通向人工智能的必經(jīng)之路。...
摘要:過去的測試包括,在皮膚病診斷中的表現(xiàn)大致上和人類專家持平。和其同事也在皮膚癌等其他皮膚病上測試了深度學(xué)習(xí)。使用數(shù)據(jù)集進行驗證時,基底細胞癌診斷的敏感度是。 人工智能目前在與專業(yè)醫(yī)生的能力對比上還罕有勝跡。但深度神經(jīng)網(wǎng)絡(luò)方法最近已經(jīng)可以在灰指甲這一真菌疾病的診斷上擊敗 42 名皮膚科專家了——這種疾病每年困擾著 3500 萬美國人。人工智能在醫(yī)療領(lǐng)域的這一巨大成功很大程度上得歸功于韓國研究者提...
閱讀 3352·2021-11-22 15:22
閱讀 2877·2021-10-12 10:12
閱讀 2171·2021-08-21 14:10
閱讀 3837·2021-08-19 11:13
閱讀 2856·2019-08-30 15:43
閱讀 3238·2019-08-29 16:52
閱讀 456·2019-08-29 16:41
閱讀 1444·2019-08-29 12:53