C++属于研发工，Python属于装配工。
你要知道Python调用的那些库都应该是C++写的，没有C++写出基础库，那Python也无米可炊；
当然，你让研发工去搞装配，不是不行，但浪费了，而且Python是个非常优秀的胶水语言。尤其在试验过程中，可以降低成本。
说实话，如果不求深入研发，Python用用已有的C++库，够了。
评论0
加载中...
这个问题我有答案，顶我上去。
因为这两个岗位要干的活完全不一样。
第一个要求python和tensorflow说明整个工作主要在设计模型，训练模型，最后可能的输出形式是用模型离线算一批数据或者用GPU在服务器部署；所以不需要太多的C/C++工程能力。
第二个工作要求C/C++，特别有一条要在手机客户端部署，这个要求就高很多了，不只是模型训练，你还需要在手机上实现模型，手机上可没有CUDA生态的GPU，主要是一些协处理器，没法直接上tensorflow。所以此时，比较好的方案就是用C/C++来进行CPU编程实现模型。
评论0
加载中...
人工智能，就是让机器可以像人一样思考问题。典型的场景有：图像识别、自然语言处理、语音处理、动态物体跟踪、可运动的机器人，等等。
智能，就是人类可以很容易作出判断，但是却根本描述不清楚为什么是这样。比方说，一张人脸，人类盯上不超过一秒钟，然后几乎不需要思考，就立刻认出这是谁。但是人类却根本无法用文字作出该脸特征的描述。读文章，有“语感”，听音乐，有“乐感”。为什么某首乐曲听上去悲伤？感觉，乐感，真的说不清楚悲伤的原因。开车，也是讲“感觉”。只有学驾照的时候，教练才教很多公式，教很多特殊点(雨刷铆钉，右边玻璃的右下角等等)。AlphaGo为什么是人工智能？对了，就是“棋感”。
而早期的深蓝下国际象棋，胜过人类，就不能叫智能。因为它基本上是以穷举为主，深蓝的每一步操作都是精确可描述的，是“可知”的，是机器思维而不是人类思维。相反，AlphaGo就连开发者都搞不清楚这机器是怎么运作的。它就是个“黑匣子”。它模拟的是人的“感觉”而不是一堆人类发明的精确围棋算法公式。感觉是无法用语言描述的。
简单算术运算也不是智能，因为人类列算式计算的每一步都是可精确描述的。同样电子计算器在算术运算时的每一个步骤同样也是如此(虽然它用的是二进制计算，数字电路，泰勒级数展开等与人类不太一样的方法)。
人工智能要模拟人的“感觉”，就必须训练，也可以叫做“学习”。比如让它区分猫和狗，就给它几万张猫和狗的图片，让它自己去慢慢学习。在学习前，人类只需要告诉它某张图是猫或是狗，其他信息一概不用多说。比如完全没有必要提醒它有胡子的就是猫。
从目前的技术来看，训练是非常考验技术和花费时间的。以致于大家一提到人工智能，就是以为在说机器训练(机器学习)。
训练是个反复迭代的过程，就是说需要不断地探索，此路不通，就换一条路，非常艰辛。现实中，往往是不断地调整神经网络的参数，不断地对比训练结果。多数时候还要数据预处理，以及辅助传统的机器学习、传统图像处理、模式识别等技术。
那么，上述过程，谁最擅长？现在公认的就是Python。
Python是解释性语言而，弱类型，用起来很方便，开发效率大大高过C++、JAVA等语言，而且有很多现成的机器学习、深度学习、科学计算库，这些都是它作为人工智能语言的优势。AlphaGo的顶层代码大部分是用的Python，AlphaGo的成功，也对Python起了很大的推动作用。
数据的训练还可以细分为两类。一是前期的算法探索和小样本数据训练，二是后期正式的大规模数据训练。比如实验的1万个样本，可能要训练1个小时才能得到理想的网络。而最终的100万个样本时，可能就需要100个小时。这已经很长了。这时候，C++的作用就体现出来了。可以用C++花很多的人力成本投入去优化算法。概括说来就是，前期用Python进行算法探索，待算法和相关参数确定，后期用C++重写算法实现生产环境的真实的正式的训练。
训练是人工智能的很难的一部分，但是绝对不是人工智能的全部。人工智能还包括前期的数据获取、数据预处理和后期的实际应用。
训练得到的只是一个巨大的神经网络，有了它以后就可以预测了。预测所需要花的时间远远短于训练。比如训练花100个小时，而用训练好后的网络预测可能只需要5秒。可别小看这5秒的短时间。我们仍然有必要优化，比如是否可以1秒就完成，0.1秒完成？试想，设计一个无人驾驶系统，那可是分秒必争啊！稍微反应迟缓就可能酿成事故。
这时候，C++的作用又一次体现出来了！
这还没完。人工智能的载体可能会很精简。比方说嵌入到人体，嵌入到汽车，这么小的系统，不是Python的天下。还有机器人，是可以运动的，如何驱动机器动，这不还是C++的强项嘛。
另外，还涉及到前期的数据采集和预处理。比如图像、音频、视频，需要实时感知，包括必要的预处理(比如灰度化、关键部位快速定位)。这就要用到音频视频的高效处理，数据通信，物联网等技术。这不还是C++的强项吗？
总之，在人工智能开发的整个过程中，Python主要处理算法模型部分，而具体的前期数据获取和后期与外部设备部分的交互则可以用C++来实现。
说个最夸张的例子。假如我们已知X要预测Y，Python做的工作就是找到Y=aX+b这测关系式，特别是a和b的具体数值最值钱。而除此之外的所有工作，从数据采集，软件架构设计，数据库设计与读写，后台运作，分布式处理一直到前端展示可能都是用的Python以外的技术(比如C++)来实现。Python的工作仅仅是得到a和b，仅此而已！
不过，从目前来看，人工智能最主要和最难的部分依然是由Python来实现的。
评论0
加载中...
py用来训练、测试、验证模型，c++用来部署模型。拿mxnet来说，开发的时候，用py-mxnet来训练测试模型，当模型达到性能和速度需求后，用mxnet的c动态库来deploy部署，可以编译不同硬件平台的动态库。
评论0
加载中...
其实人工智能可以用到很多种语言，不只是Python和C/C++，还有Java，以及lisp，prolog.不过目前来看，还是Python和C++用得更多。
而Python其实是人工智能的首选语言，而且想要入门Python比其他语言都会容易些。当然了，不是说C++在人工智能中就毫无用处了，而是相比Python，它更不适合用在人工智能上。为什么？
看看它的缺点：1.遵循自上而下的方法，语言比较复杂；2.仅仅是更适合实现特定系统或者是算法核心/基础。
而Python呢？优势更多：1.开发速度明显比C++更快；2.有各种各样的库和工具；3.它面向对象；4.它还支持算法测试。
评论0
加载中...
C++是所有语言的基础，现在很多编程语言都是由此衍生过来的，因为精通C++太难了，其语言的繁琐性，很多人都在半路上就放弃了，所以才出现了之后的很多简洁版的编程语言。
所以就当前的学习趋势来看，很多人都会选择Python，不仅仅是因为Python具有强大的数据库，对人工智能技术有着更多的优势，还因为相对于C++语言来说，是简单容易入门，容易上手的！很多零基础的同学也是可以学会的！
评论0
加载中...
这么说吧，C++学精了，上手其他编程语言会简单许多，有很多优势，python主要是上手简单，但是精通也不容易。程序语言也没有哪个更重要，只有哪个更适合。人工智能的开发的核心库一般都也是C++写的，只是提供了python程序语言接口，因为它更便捷。在开发过程中遇到性能调优的问题时还是会绕回到C++的。
评论0
加载中...
首先，什么是人工智能要搞清楚。机器学习 深度学习不能代替人工智能。第二，用于人工智能的语言很多，lisp,prolog,smalltalk是传统人工智能语言,forth, C/C++,fortran,Cobol,JAVA,Python,...都可以并实际用于人工智能。第三 关于机器学习，C/C++是Python算法库的根。算法实现需要C/C++。应用可以用Python.因此，真正搞机器学习，还是需要C/C++。搞人工智能需要的知识更多。lisp,prolog也往往需要C/C++来实现。我自1983年进入人工智能领域。几十年没有多少同行。去年冒出那么多专家。懵了。第四，我本人不赞成Python是最适合人工智能的语言。请问lisp,prolog,smalltalk放哪？可解释推理。Python怎么实现？
评论0
加载中...
这个主要看这个岗位招收的人员是需要进行哪个层次的编程工作。
C++在继承了C语言的优点的同时加入了面向对象的内容。所以C++语言不但可以构建效率较高的底层具体的算法实现，又有良好的扩展性和代码重用性。所以一般在追求高效运行的底层算法中，我们一般使用C或C++来进行构建。
python语言作为一种解释性语言，运行效率比较低。但是python上已经具有了大量构建好的人工智能算法库。所以python语言更适于构建上层框架。这样不但构建效率高，容易调试。因此在上层算法中通常使用python语言构建应用层框架。
通过两种语言的配合方式充分利用了两种开发语言的长处和有点，也利于保持原有语言类型上所进行的原有开发。
因此，在人工智能岗位的招聘中，大一些的公司都会分开来进行招聘。需要底层算法实现的招熟悉C或C++的人，需要高层算法实现的招熟悉python的人。
评论0
加载中...
平常训练使用python，真正上线的时候用cpp。因为如果用python环境是个问题，一台机器一台机器的搭建paddle or tensorflow太麻烦了，况且效率也不高。将预测的代码写成cpp的，只把依赖的库拷贝出来放到每台机器上就行了。
评论0
加载中...10
回答0
回答3
回答0
回答10
回答0
回答0
回答0
回答0
回答0
回答
