其實(shí)TensorFlow大部分內(nèi)核并不是用Python編寫的 ：它是高度優(yōu)化了C++和CUDA（Nvidia用于編程GPU的語言）的組合。 相反，通常它是使用了Eigen （高性能C ++和CUDA庫）和NVidia的cuDNN （用于NVidia GPU的非常優(yōu)化的DNN庫，用于卷積等功能）。
TensorFlow的模型是程序員用“一種語言”（很可能是Python！）來表達(dá)。 這個(gè)模型，是寫在TensorFlow結(jié)構(gòu)中的，如：
h1 = tf.nn.relu(tf.matmul(l1, W1) + b1)
h2 = ...

當(dāng)Python運(yùn)行時(shí)，實(shí)際上并沒有被執(zhí)行。 相反，實(shí)際創(chuàng)建的是一個(gè)數(shù)據(jù)流圖 ，表示采取特定輸入，應(yīng)用特定操作，將結(jié)果提供給其他操作的輸入，等等。 該模型由快速C ++代碼執(zhí)行，并且在大多數(shù)情況下，操作之間的數(shù)據(jù)不會(huì)被復(fù)制回Python代碼 。
然后，程序員通過拉扯節(jié)點(diǎn)來驅(qū)動(dòng)這個(gè)模型的執(zhí)行，通常用Python進(jìn)行訓(xùn)練，有時(shí)在Python中，有時(shí)是在原始的C ++中：
sess.run(eval_results)

這一個(gè)Python程序（或C ++函數(shù)調(diào)用）使用C ++的進(jìn)程內(nèi)調(diào)用或分布式版本的RPC調(diào)用C ++ TensorFlow服務(wù)器來告訴它執(zhí)行，然后復(fù)制結(jié)果。
所以說，我們?cè)僬f一下這個(gè)問題：為什么TensorFlow選擇Python作為表達(dá)和控制模型訓(xùn)練而且支持的非常好的語言？
答案很簡(jiǎn)單：Python可能是大量數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)專家用的最舒適的語言，也是易于集成和控制C ++后端的語言，同時(shí)也是廣泛使用與谷歌的公司內(nèi)外和他們的開源產(chǎn)品。 鑒于使用TensorFlow的基本模型，Python的性能并不重要，這是一個(gè)很自然的契合。 NumPy也是一個(gè)巨大的加分，它可以很容易地在Python中進(jìn)行預(yù)處理（也是高性能），然后將它們提供給TensorFlow，以獲得真正CPU-heavy的東西。

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的为什么 Python被Google选为TensorFlow的开发语言呢？使用 Python比C++语言进行机器学习有什么优势？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。