點(diǎn)進(jìn)來說明有過這種罪惡的想法——用C++/C學(xué)習(xí)機(jī)器學(xué)習(xí)。不妨分享我看到的一個(gè)觀點(diǎn)：

的確你可以用任何語言編程語言學(xué)習(xí)一切專題，但是千萬不要用C++學(xué)機(jī)器學(xué)習(xí)，碰都不要碰。

首先人們經(jīng)常夸大Python比較慢這件事；初學(xué)者喜歡爭論哪個(gè)語言更快之類的話題。我曾經(jīng)也這樣爭論過。但是你要知道你不是在實(shí)現(xiàn)TensorFlow。你只是在學(xué)習(xí)的過程中實(shí)現(xiàn)一個(gè)梯度下降算法，這時(shí)你的問題規(guī)模遠(yuǎn)遠(yuǎn)沒有到達(dá)Python這門語言的計(jì)算的瓶頸。

TensorFlow和很多其他的架構(gòu)都是C++實(shí)現(xiàn)的。你肯定知道它們最后只是用Python或者M(jìn)atlab封裝起來了。這就意味者即使你用python編寫機(jī)器學(xué)習(xí)算法，在這些接口之下你還是在跑C++的代碼，所以運(yùn)行起來速度差別不會(huì)很大。

最值得強(qiáng)調(diào)的是，你的目的是學(xué)好機(jī)器學(xué)習(xí)，而不是學(xué)習(xí)編程。理解ML中的復(fù)雜的數(shù)學(xué)概念已經(jīng)非常折磨人了，如果你再用C++這么復(fù)雜的語言，那么你的學(xué)習(xí)速度將非常非常慢。C++機(jī)器學(xué)習(xí)程序，debug的過程你懂的?？偟膩碚f你的腦子的學(xué)習(xí)速度要比CPU的運(yùn)行速度要重要的多。

所以我的建議是同一時(shí)間學(xué)習(xí)一門課程，不要C++和機(jī)器學(xué)習(xí)并進(jìn)

很多學(xué)校課程或者在線課程都會(huì)教Matlab或者Python，隨便挑一個(gè)課程然后用這些簡單的語言實(shí)現(xiàn)算法才是最重要的。如果有一天，你真的要面對(duì)速度問題，再一頭扎進(jìn)C++也不遲。

以上回答摘自：Quora（https://www.quora.com/I-want-to-use-C+±to-learn-Machine-Learning-instead-of-Python-or-R-is-it-fine）

其實(shí)很長一段時(shí)間我也在不斷嘗試安裝mlpack，Caffe來用C++實(shí)現(xiàn)機(jī)器學(xué)習(xí)，這個(gè)腦殘的舉動(dòng)給我?guī)砹藷o窮無盡的痛苦。其實(shí)我非常喜歡用C/C++寫程序，因?yàn)檫@會(huì)跟我學(xué)習(xí)的底層的原理聯(lián)系起來，看到這篇文章之后才知道自己喧賓奪主了，老老實(shí)實(shí)的用Python就完了，C++虐你的時(shí)候不差這么一兩次。

總結(jié)

以上是生活随笔為你收集整理的C++机器学习？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。