您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

如果要学习人工智能的编程，现在有什么语言和好方法？

人工智能,机器,语言如果要学习人工智能的编程，现在有什么语言和好方法？

发布时间：2016-12-08加入收藏来源：互联网点击：

(在LiveEdu上，一位德国的AI开发者教大家如何使用Python开发两个简单的机器学习模型）

Python 是人工智能研究的前沿语言，这是拥有最多机器学习和深度学习框架的语言，也是 AI 研究者几乎都掌握的语言。由于这些原因，尽管笔者每天都要咒骂一次 whitespace 问题，Python 仍然是人工智能编程语言之王，您没法绕过它。

2. JAVA 和相关语言

JVM 系列语言（Java，Scala，Kotlin，Clojure 等）也是 AI 应用开发的绝佳选择。无论是自然语言处理（CoreNLP）、张量运算（ND4J）还是完整的 GPU 加速深度学习堆栈（DL4J），您都可以使用大量的库来管理流水线的各个部分。另外，您还可以轻松访问Apache Spark 和 Apache Hadoop 等大数据平台。

Java 是大多数企业的通用语言，在 Java 8 和 Java 9 中提供了新的语言结构，这使得编写 Java 代码的体验不再像我们过去所记得的那样糟糕。使用 Java 编写人工智能应用可能会让人觉得无聊，但它确实能完成工作，并且您可以使用所有现成的 Java 基础架构来开发、部署和监视。

3. C/C++

在开发 AI 应用时，C / C ++ 不太可能成为您的首选，但如果您在嵌入式环境中工作，并且无法承受 Java 虚拟机或 Python 解释器的开销，那么 C / C ++ 就是最好的解决方案。当你需要榨干系统的每一滴性能时，你就得面对可怕的指针世界。

幸运的是，现代 C / C ++ 写起来体验还不错（实话实说！）。您可以从下列方法中选择一个最适合的：您可以一头扎进堆栈底部，使用CUDA 等库来编写自己的代码，这些代码将直接在 GPU 上运行；您也可以使用 TensorFlow 或 Caffe 以访问灵活的高级 API。后者还允许您导入数据科学家用 Python 写的模型，然后以 C / C ++ 级别的速度在生产环境中运行它们。

在未来一年中，请密切留意 Rust 在 AI 领域的一些动作。结合 C / C ++ 级别的速度与类型和数据安全性，Rust 是实现产品级性能却不会造成安全问题的最佳选择。并且它现在已经可以与 TensorFlow 绑定了。

4. JAVASCRIPT蛤？！JavaScript？我没听错吧？其实，谷歌最近发布了 TensorFlow.js，这是一个 WebGL 加速库，允许您在 Web 浏览器中训练和运行机器学习模型。它还包括 Keras API 以及加载和使用在常规 TensorFlow 中训练过的模型的功能。这可能会吸引大量的 JS 开发者涌入 AI 领域。虽然 JavaScript 目前能够访问的机器学习库与其他语言相比有所局限，但在不久的将来，开发者在网页中添加神经网络就和添加 React 组件或 CSS 属性一样简单。这听上去既强大又恐怖。

TensorFlow.js 仍处于早期阶段。目前它可在浏览器中运行，但不适用于 Node.js。它还没有实现完整的 TensorFlow API。不过，我预计到 2018 年底，这两个问题都将基本得到解决，并且JavaScript 将在不久之后大举进军 AI 界。

5. RR 在这份榜单中排名最末，并且看上去将会越来越没落。R 是数据科学家喜欢的语言。但是，其他程序员在第一次接触 R 时会感到有些困惑，因为它采用了以数据帧为中心的方法。如果您有一组专门的 R 开发者，那么将 R 与 TensorFlow、Keras 或 H2O 搭配使用，进行研究、原型设计和实验是有意义的。但基于性能和操作方面的考虑，我不愿意推荐将 R 用于生产。虽然您可以写出能在生产服务器上部署的高性能 R 代码，但将这种用 R 语言编写的原型重新编码为 Java 或 Python 肯定会更容易。

 2/2   首页 上一页 1 2