其實TensorFlow大部分內核并不是用Python編寫的 ：它是高度優化了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。 這個模型，是寫在TensorFlow結構中的，如：
h1 = tf.nn.relu(tf.matmul(l1, W1) + b1)
h2 = ...

當Python運行時，實際上并沒有被執行。 相反，實際創建的是一個數據流圖 ，表示采取特定輸入，應用特定操作，將結果提供給其他操作的輸入，等等。 該模型由快速C ++代碼執行，并且在大多數情況下，操作之間的數據不會被復制回Python代碼 。
然后，程序員通過拉扯節點來驅動這個模型的執行，通常用Python進行訓練，有時在Python中，有時是在原始的C ++中：
sess.run(eval_results)

這一個Python程序（或C ++函數調用）使用C ++的進程內調用或分布式版本的RPC調用C ++ TensorFlow服務器來告訴它執行，然后復制結果。
所以說，我們再說一下這個問題：為什么TensorFlow選擇Python作為表達和控制模型訓練而且支持的非常好的語言？
答案很簡單：Python可能是大量數據科學家和機器學習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，同時也是廣泛使用與谷歌的公司內外和他們的開源產品。 鑒于使用TensorFlow的基本模型，Python的性能并不重要，這是一個很自然的契合。 NumPy也是一個巨大的加分，它可以很容易地在Python中進行預處理（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》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。