深入学习epoll编程 c 标准库中为什么没有网络库？
c 标准库中为什么没有网络库？
或则很有可能是是因为每个平台提供的最优方案网络编程模型变不一样，甚至于还可优化。因为，我想，实现标准化限制修改了发挥空间，毕竟它还没法能找到一个类似于最优解的解。
就像epoll是所谓的的reactor模型，而iocp是proactor型。所以，纵然目前文件系统的库进了标准库，而网络库目前还没有。
或则，这一切都出当然了C的哲学：找到最靠近事物本质的最优解。如果没有，请用第三方或自己解。但，不排除肾炎未来或许会决定分解重组可选解（标准库之易变的选择性解，看上去像java的deprecated一样的）——目前是有这个倾向的。
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？
Python语言的执行效率确实是不高，也就是许多人所说的“慢”,这要注意是基于组件Python语言本身的设计实现方法:Python是相册语言而且是讲解执行的而不是像C等都属于静态编译型语言；这令Python语言的执行并非像其他语言像由CPU就先执行而是按照一个虚拟机执行（也就是Python中的解释器），在CPU之上又加了一层抽像使得先执行出声更慢点。
但，“慢”确实是相对于的。不能执行“慢”不代表上帝开发“慢”，在许多应用形式的场景中，代码的执行性能高低不是什么关键因素。举个例子，如果没有你有个简单的任务要自动化，你不可能关心你的脚本是不能执行了0.0001s那就0.01s(慢了100倍），你很可能更冷淡的是你会花费一个小时还是一分钟完成这个自动化任务。
而这对机器学习的任务中，它比较普遍的工作流程中包括了（数据收集、数据处理、数据建模、模型评估、布署等），在整个流程过程中会包涵了大量试错、应用完全不同算法、调参等实验，开发速度对于这类问题格外十分重要；而是对性能提升方面，Python也这个可以有几种方法来可以解决：一是依靠一些C/C实现程序的库，如Numpy不能加速负责执行；反而凭借Python先提出机器学习的原型设计，这对超级大数据量的任务可以不来回切换到其他framework如Spark等负责执行。
如果能这个回答极大帮助，欢迎别人交流，一起进步！！！
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。
