前言

其实像Java、C++也都有开源的深度学习框架，但大多数人选择Python的根本原因还是Python的深度学习生态太完备了。举几个例子：

1. 对于大多数主流SOTA方法，你基本都能找到Python的开源代码，即使有一部分不是原作者贡献的，也有很多同学在努力复现；
2. 对于一些主流任务，通常都有一些设计很好的框架可供使用。这些框架的便利程度甚至超乎想象。比如用于NLP预训练模型的transformers、用于目标检测的detectron；
3. 高度便利的数据Pipeline处理方法。Python框架在这一点上远远优于Java和C++的框架；
4. 优异的深度学习框架。

其实很多时候并不是我们选择了Python，而是做这个生态的大佬们选择了Python。

Python还有一个对新手很友好的地方是对第三方包的安装太简单了。基本就是一件安装所有依赖，偶尔出现冲突，但很容易解。

顺带回忆一下Java早期的机器学习、深度学习框架，大家可以略微感受下。

当时Python还没这么火，机器学习、数据挖掘社区用一个名叫Weka的Java框架的人很多。Weka至今都是我认为对学生非常友好的工具，因为它复现算法几乎是严格按照论文原文。这一点在后来的Spark上就差了很多。

但像Weka这种基于Java的框架最大问题就是对内存中数据的处理极为不灵活。只要你用了一次Pandas，你就无法原谅曾经花费巨量时间在Java框架中写各种set、get方法的自己。

早期的DeepLearning4j更是灾难。我一度每天都在开发者论坛里面问问题。那几位大佬确实也耐心，我映像中我帮他们测出了很多Bug。

我现在已经记不得当年有什么具体Bug了，只记得每一次版本升级我们不止会去看他们的更新日志，还会去核对一些关键部分提交的代码（我们不是贡献者）。

还有，DeepLearning4j没有自动微分。 每写一个新模块，需要自己仔细写出它反向传播梯度计算的方法。我当年写过一个很复杂的用来做排序的网络，那个梯度计算真的是让人崩溃。

不过我自己也遇到过一些有趣的事情。比如，我在很早的时候在神经网络中套过一个PageRank（现在来看，我觉得它很像图神经网络）。PageRank的各个边有Embedding，需要端到端的训练。

PageRank本身是迭代算法，所以仔细想一下，可以发现训练很难成功。当时把这个完整梯度写出来的时候就发现可以强行给一个假设（比如PageRank已经收敛了），然后因为这个假设公式中有一个大项变常量（不用求导了！），梯度极大简化，并且work的很好。当时那个开心与激动！ 现在有自动微分的情况下，这种快乐可能再也体会不到了。

Java的深度学习框架看起来是没多大希望了。但C++的依然很强势。这主要是因为一些终端低算力设备对深度学习的依赖仍然很强。比如手机、摄像头、智能手表等等。这些设备里基本还是跑C++的框架。

另外像一些芯片厂商，比如MTK、苹果，它们自己的框架也大多是C++的。

所以实验室里做研究、写paper用Python可以是第一选择；但工业界用C++的情况仍然很多。

读者福利：知道你可能对Python感兴趣，便准备了这套python学习资料

对于0基础小白入门：

如果你是零基础小白，想快速入门Python是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习等学习教程。带你从零基础系统性的学好Python！

零基础Python学习资源介绍

👉Python学习路线汇总👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取哈）

👉Python必备开发工具👈

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉实战案例👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉100道Python练习题👈

检查学习结果。

👉面试刷题👈

资料领取

这份完整版的Python全套学习资料已为大家备好，朋友们如果需要可以微信扫描下方二维码添加，输入"领取资料" 可免费领取全套资料【有什么需要协作的还可以随时联系我】朋友圈也会不定时的更新最前言python知识。↓↓↓
或者
【点此链接】领取

好文推荐

了解python的前景：https://blog.csdn.net/xiqng17111342931/article/details/127705925

了解python的副业：https://blog.csdn.net/xiqng17111342931/article/details/127872402