|
AI（ 人工智能 ）為應(yīng)用程序開發(fā)人員開辟了無限的可能性,。 通過利用機(jī)器學(xué)習(xí)或深度學(xué)習(xí),，您可以產(chǎn)生更好的用戶配置文件，個(gè)性化設(shè)置和推薦,，或者合并更智能的搜索,，語音界面或智能幫助，或以其他多種方式改進(jìn)您的應(yīng)用程序,。 您甚至可以構(gòu)建可以看到,，聽到和應(yīng)對(duì)意外情況的應(yīng)用程序。 您應(yīng)該學(xué)習(xí)哪種編程語言來深入了解AI,？ 當(dāng)然,，您需要一門具有許多良好的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)庫的語言。 它還應(yīng)具有良好的運(yùn)行時(shí)性能,，良好的工具支持,，大量的程序員社區(qū)以及健康的支持包生態(tài)系統(tǒng)。 這是一長串的要求,，但是仍然有很多不錯(cuò)的選擇,。 [ 也在InfoWorld上：人工智能，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)：您需要知道的一切 ] 以下是我精選的六種用于AI開發(fā)的最佳編程語言,，以及兩個(gè)榮譽(yù)稱號(hào),。 這些語言中的一些正在上升,，而另一些正在下滑。 還有其他一些您只需要知道您是否對(duì)歷史深度學(xué)習(xí)架構(gòu)和應(yīng)用感興趣,。 讓我們看看它們?nèi)绾味询B,。 Python排名第一的仍然是Python。 真的,，還有什么可能呢,？ 盡管關(guān)于Python的事情令人發(fā)瘋，但如果您從事AI工作,，幾乎可以肯定的是,，您將在某個(gè)時(shí)候使用Python。 而且一些粗糙的斑點(diǎn)已經(jīng)稍微平滑了,。 隨著2020年的到來,，Python 2.x和Python 3.x的爭論變得越來越重要，因?yàn)閹缀趺總€(gè)主要的庫都支持Python 3.x,，并且會(huì)盡可能地放棄對(duì)Python 2.x的支持,。 換句話說，您終于可以認(rèn)真使用所有新的語言功能,。 盡管仍然存在Python的打包夢night（其中每個(gè)解決方案都以略有不同的方式打破）,，但您可以在大約95％的時(shí)間內(nèi)使用Anaconda，而不必?fù)?dān)心太多事情,。 不過,，如果Python世界能夠一勞永逸地解決這個(gè)長期存在的問題，那將是很好的,。 也就是說,，Python中可用的數(shù)學(xué)和統(tǒng)計(jì)信息庫在其他語言中幾乎是無與倫比的。 NumPy已經(jīng)變得無處不在,，幾乎成為張量操作的標(biāo)準(zhǔn)API,，而Pandas將R強(qiáng)大而靈活的數(shù)據(jù)幀引入Python。 對(duì)于自然語言處理（NLP）,，您擁有著名的NLTK和超快的SpaCy ,。 對(duì)于機(jī)器學(xué)習(xí)，有經(jīng)過實(shí)踐檢驗(yàn)的Scikit-learn ,。 而且,，當(dāng)涉及到深學(xué)習(xí)，目前所有的庫（的TensorFlow ,， PyTorch ,， Chainer ， 阿帕奇MXNet ,， Theano等）是有效的Python的第一個(gè)項(xiàng)目,。 如果您正在閱讀關(guān)于arXiv的前沿深度學(xué)習(xí)研究,，那么您會(huì)發(fā)現(xiàn)大多數(shù)提供源代碼的研究都是使用Python進(jìn)行的。 然后是Python生態(tài)系統(tǒng)的其他部分,。 盡管IPython成為Jupyter Notebook ，而不再以Python為中心,，但您仍然會(huì)發(fā)現(xiàn)大多數(shù)Jupyter Notebook用戶和大多數(shù)在線共享的筆記本都使用Python,。 至于部署模型，諸如Seldon Core之類的微服務(wù)架構(gòu)和技術(shù)的出現(xiàn)意味著如今在生產(chǎn)環(huán)境中部署Python模型非常容易,。 [ n-for-machine-learning.html'>也在InfoWorld上：為什么應(yīng)該使用Python進(jìn)行機(jī)器學(xué)習(xí) ] 沒有解決的辦法,。 Python是AI研究的最前沿語言，是您會(huì)找到最多的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)框架的語言,，并且AI世界中幾乎每個(gè)人都在談?wù)撨@種語言,。 由于這些原因，盡管您的作者每天至少處理一次空白問題,，但Python還是AI編程語言中的第一名,。 相關(guān)視頻：機(jī)器學(xué)習(xí)和AI破譯通過圍繞機(jī)器學(xué)習(xí)和人工智能的炒作，我們的小組討論了該技術(shù)的定義和含義,。 C ++在開發(fā)AI應(yīng)用程序時(shí),，C ++不太可能是您的首選，但是當(dāng)您需要從系統(tǒng)中獲取性能的最后每一點(diǎn)時(shí)-隨著深度學(xué)習(xí)的發(fā)展,，這種情況變得越來越普遍,，您需要在模型上運(yùn)行資源受限的系統(tǒng)-是時(shí)候再次回到可怕的指針世界了。 幸運(yùn)的是,，現(xiàn)代C ++可以令人愉快地編寫（誠實(shí)?。?您可以選擇一種方法,。 您可以使用Nvidia的CUDA之類的庫來深入研究堆棧的底部,，以編寫直接在GPU上運(yùn)行的自己的代碼，也可以使用TensorFlow或PyTorch來訪問靈活的高級(jí)API,。 PyTorch和TensorFlow都允許您加載以Python（或PyTorch的TorchScript的Python子集）生成的模型,，并在C ++運(yùn)行時(shí)中直接運(yùn)行它們，從而使您更接近裸機(jī)進(jìn)行生產(chǎn),，同時(shí)保留了開發(fā)的靈活性,。 簡而言之，隨著AI應(yīng)用程序在從最小的嵌入式系統(tǒng)到龐大的集群的所有設(shè)備中激增,，C ++成為工具包的關(guān)鍵部分,。 邊緣的AI意味著它已經(jīng)不夠精確了。 你需要又好又快 ,。 [ 同樣在InfoWorld上：為什么C編程語言仍會(huì)統(tǒng)治 ] Java和其他JVM語言JVM語言家族（Java,，Scala,，Kotlin，Clojure等）仍然是AI應(yīng)用程序開發(fā)的理想選擇,。 無論是自然語言處理（ CoreNLP ）,，張量運(yùn)算（ ND4J ）還是完整的GPU加速的深度學(xué)習(xí)堆棧（ DL4J ），您都可以在管道的所有部分使用大量的庫,。 另外,，您可以輕松訪問大數(shù)據(jù)平臺(tái)，例如Apache Spark和Apache Hadoop ,。 Java是大多數(shù)企業(yè)的通用語言,，并且在Java 8和更高版本中提供了新的語言構(gòu)造，因此編寫Java代碼并不是我們許多人都記得的令人討厭的經(jīng)歷,。 用Java編寫AI應(yīng)用程序可能會(huì)感到無聊,，但可以完成工作-您可以將所有現(xiàn)有的Java基礎(chǔ)結(jié)構(gòu)用于開發(fā)，部署和監(jiān)視,。 JavaScript您不太可能只為編寫AI應(yīng)用程序而學(xué)習(xí)JavaScript ,，但是Google的TensorFlow.js仍在不斷改進(jìn)，并提供了一種有趣的方式,，可將您的Keras和TensorFlow模型部署到瀏覽器或通過使用WebGL進(jìn)行GPU加速計(jì)算的Node.js部署,。 但是，自TensorFlow.js推出以來,，我們還沒有真正看到的一件事是,，大量JavaScript開發(fā)人員涌入AI領(lǐng)域。 我認(rèn)為這可能是由于與JavaScript之類的語言相比,，周圍JavaScript生態(tài)系統(tǒng)沒有可用庫的深度,。 此外，在服務(wù)器端,，使用Node.js部署模型與使用Python選項(xiàng)之一相比并沒有太大優(yōu)勢,，因此我們可能會(huì)發(fā)現(xiàn)基于JavaScript的AI應(yīng)用程序在不久的將來仍將主要基于瀏覽器。 但這仍然創(chuàng)造了許多有趣的有趣機(jī)會(huì),，例如Emoji Scavenger Hunt ,。 Swift在去年的這篇文章中，我提到Swift是一種值得關(guān)注的語言,。 今年,，它進(jìn)入了我的前六名。 發(fā)生了什么,？ Swift for TensorFlow ,。 TensorFlow的最新功能和最強(qiáng)大功能的完全類型化，無殘障的綁定，以及使您可以像剛開始使用Python一樣導(dǎo)入Python庫的深色魔術(shù),。 Fastai團(tuán)隊(duì)正在開發(fā)其流行庫的Swift版本,，并且我們承諾通過將許多張量智能移至LLVM編譯器，在生成和運(yùn)行模型方面進(jìn)行許多進(jìn)一步的優(yōu)化,。 現(xiàn)在可以生產(chǎn)了嗎,？ 并非如此，但這確實(shí)可以為下一代深度學(xué)習(xí)開發(fā)指明道路,，因此您絕對(duì)應(yīng)該研究Swift的發(fā)展,。 R語言R排在我們列表的底部，并且呈下降趨勢,。 R是數(shù)據(jù)科學(xué)家喜歡的語言。 但是,，由于以數(shù)據(jù)框?yàn)橹行牡姆椒?，其他程序員經(jīng)常會(huì)發(fā)現(xiàn)R有點(diǎn)混亂。 如果您有一組專門的R開發(fā)人員,，則可以將與TensorFlow ,， Keras或H2O的集成用于研究，原型開發(fā)和實(shí)驗(yàn),，但是由于以下原因,，我不建議將R用于生產(chǎn)或綠地開發(fā)性能和運(yùn)營問題。 盡管您可以編寫可以部署在生產(chǎn)服務(wù)器上的高性能R代碼,，但是幾乎可以肯定,，采用R原型并用Java或Python重新編碼它會(huì)更加容易。 [ 通過InfoWorld Daily新聞通訊了解軟件開發(fā),，云計(jì)算,，數(shù)據(jù)分析和機(jī)器學(xué)習(xí)方面的最新發(fā)展 ] 其他AI編程選項(xiàng)當(dāng)然，Python,，C ++,，Java，JavaScript,，Swift和R不是唯一可用于AI編程的語言,。 盡管我不認(rèn)為這是學(xué)習(xí)的重中之重，但您可能會(huì)發(fā)現(xiàn)另外兩種編程語言可能有趣或有幫助,。 a幾年前,，由于Torch框架， Lua在人工智能領(lǐng)域處于很高的地位,， Torch框架是滿足研究和生產(chǎn)需求的最受歡迎的機(jī)器學(xué)習(xí)庫之一,。 如果您深入研究深度學(xué)習(xí)模型的歷史，則經(jīng)常會(huì)在舊的GitHub存儲(chǔ)庫中找到對(duì)Torch和大量Lua源代碼的大量引用。 為此,，了解Torch API可能會(huì)很有用,，與PyTorch的基本API相距不遠(yuǎn)。 但是,，如果像我們大多數(shù)人一樣,，您真的不需要為您的應(yīng)用程序做大量的歷史研究，則可以不必繞著Lua的小怪癖就可以解決問題,。 朱莉亞Julia是一種專注于數(shù)值計(jì)算的高性能編程語言,，使其非常適合大量數(shù)學(xué)運(yùn)算的AI。 盡管目前還不流行作為語言選擇,，但TensorFlow.jl和Mocha （受Caffe影響很大）之類的包裝器提供了良好的深度學(xué)習(xí)支持,。 如果您不介意相對(duì)較小的生態(tài)系統(tǒng)，并且想從Julia致力于簡化和快速執(zhí)行高性能計(jì)算中受益,，那么Julia可能值得一看,。
人工智能ai用什么編程語言 |
|
|
