pytorch怎么发音 为什么Python效率这么低，还这么火？
为什么Python效率这么低，还这么火？
在很多时候，性能不是瓶颈。大约80%的应用，对性能要求不高。
学Python一定要会算法吗？
刚开始入门时，不是必须学好算法的。但是随着技术的深入，算法还是需要的，不然只能干点"搬砖"的活儿。
1、学好软件开发离不开计算机理论基础，如数据结构、操作系统、网络技术、算法研究等。如果热爱这门技术，这些都是不问题，先入门，这些慢慢的都可以补上。
2、关于算法，它是软件开发的灵魂，没有好的算法写不出优秀的程序。
3、如何学习算法，首先选取经典算法教材。基础的可以先从《数据结构》学起，里面有些基础算法，然后再去学专门的算法(其实把数据结构范畴的算法学好，一般就够用了)。还有网上有很多论坛，算法网站，为了吸引眼球 一般都做的浅显易懂。还有大部分算法为c语言，但语言在算法层面都相通的，明白算法模型才是最重要的。
4、万事开头难，只要入门，剩下的就是慢慢经营这门技术就行了。算法在实践中学的最快也最牢固。
希望能帮到你
Python语言其实很慢，为什么机器学习这种快速算法步骤通常还是用呢？
对于用过几种开发语言（java，c#，nodejs，erlang），而后转Python做机器学习的人，我说说我的看法。
首先，大家说python慢是真的吗？我的回答是真的。非常慢，for循环比cpp慢两个数量级。
那为什么还用Python?假如我们遍历过亿的数据，两个数量级的差异是无法接受的。但如果我们用python做最上层的逻辑，把上亿数据进行分块，python只循环十几次，剩下扔给cpu和gpu。那么两个数量级是否就无所谓了呢？1毫秒和100毫秒在整个系统中真的无所谓了。
python最大的优势在于，可以非常非常优雅的把数据扔给高效的c，cuda去做计算。numpy，pandas，numba这些优秀的开源库可以非常方便的高效的处理海量的数据，借助zmq，celery等还可以做分布式计算，gevent借助系统的epoll进行io优化。所以，不需要花太多精力，就可以优雅，高效的实现海量的数据处理，机器学习的任务。这是python火爆的原因。
想想，同样的性能，代码只有cpp或java的三分之一甚至更少，是不是很有诱惑力？
pytorch怎么发音 pytorch加载自己的数据集 pytorch网络训练太慢
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
