luapython效率
① python和人工智慧有什麼聯系
人工智慧和Python的淵源在於。就像我們統計數據或選擇用excel製作表格時，因為在需要用到加減乘除或者、函數等時，只需要套用公司就可以。因為SUM、AVERAGE等這樣的函數運行的背後，是C++/C#等語言已經編寫好了代碼，所以Excel只是工具和展現形式並不是它做計算。同理在學習人工智慧時Python只是用來操作深度學習框架的工具，實際負責運算的主要模塊並不依靠Python，真正起作用的是也是一大堆復雜的C++ / CUDA程序。
深度學習人工智慧時，自己計算太復雜，還要寫C++代碼操作，這時程序員就想要不搞一套類似復雜的Excel配置表，直接搭建神經網路、填參數、導入數據，一點按鈕就直接開始訓練模型、得出結果。這個方法簡單實用可是神經網路搭建起來太復雜，需要填寫的參數太多，各種五花八門的選項也很難做成直觀的圖形工具。只能用一個類似Python的相對好用的語言，通過簡化的程序代碼來搭建神經網路、填寫參數、導入數據，並調用執行函數進行訓練。通過這種語言來描述模型、傳遞參數、轉換好輸入數據，然後扔到復雜的深度學習框架裡面去計算。那麼為什麼會選擇Python？
科學家們很早就喜歡用Python實驗演算法，也善於使用numpy做科學計算，用pyplot畫數據圖。恰好Google內部用Python也非常多，所以採用Python也是必然的。除Python外，實際上TensorFlow框架還支持JavaScript、c++、Java、GO、等語言。按說人工智慧演算法用這些也可以。但是官方說了，除Python之外的語言不一定承諾API穩定性。所以人工智慧和Python就密不可分了。
單說人工智慧的核心演算法，那時是完全依賴於C/C++的，因為是計算密集型，需要非常精細的優化，還需要GPU、專用硬體之類的介面，這些都只有C/C++能做到。所以某種意義上其實C/C++才是人工智慧領域最重要的語言。Python是這些庫的API binding，要開發一個其他語言到C/C++的跨語言介面，Python是最容易得，比其他語言的ffi門檻要低不少，CPython的C API是雙向融合的，可以直接對外暴露封裝過的Python對象，還可以允許用戶通過繼承這些自定義對象來引入新特性，甚至可以從C代碼當中再調用Python的函數。
Python一直都是科學計算和數據分析的重要工具，Python是這些庫的API binding，要開發一個其他語言到C/C++的跨語言介面，Python是最容易的，比其他語言的ffi門檻要低不少，CPython的C API是雙向融合的，可以直接對外暴露封裝過的Python對象，還可以允許用戶通過繼承這些自定義對象來引入新特性，甚至可以從C代碼當中再調用Python的函數。都說時勢造英雄，也可以說是人工智慧和Python互相之間成就者對方，人工智慧演算法促進Python的發展，而Python也讓演算法更加簡單。
② 為什麼人工智慧用 python
Python是一種通用的腳本開發語言，比其他編程語言更加簡單、易學，其面向對象特性甚至比Java、C#、.NET更加徹底，非常適合快速開發，Python在軟體質量控制、開發效率、可移植性、組件集成、庫支持等方面均處於先進地位！
中國人工智慧行業正處於一個創新發展時期，對人才的需求也在同步急劇增長，如今Python語言的學習已經上升到了國家戰略的層面上。國家相關教育部門對於「人工智慧普及」格外重視，不僅將Python列入到小學、中學和高中等傳統教育體系中，並藉此為未來國家和社會發展奠定了人工智慧的人才培養基礎，逐步由底層向高層推動「全民學Python」，從而進一步實現人工智慧技術的推動和社會人才結構的更迭。可見Python在人工智慧領域的重要性，那麼，做人工智慧為什麼要學Python呢？
人工智慧為什麼要用Python語言?
1. Python除了極少的事情不能做之外，其他基本上可以說全能，系統運維、圖形處理、數學處理、文本處理、資料庫編程、網路編程、web編程、多媒體應用、pymo引擎、黑客編程、爬蟲編寫、機器學習、人工智慧等等都可以做。
2. Python是解釋語言，程序寫起來非常方便，寫程序方便對做機器學習的人很重要。
3. Python的開發生態成熟，有很多有用的庫可以用。相比而言，Lua雖然也是解釋語言，甚至有LuaJIT這種神器加持，但其本身很難做到Python這樣。
4. Python效率超高，解釋語言的發展已經大大超過許多人的想像。毫無疑問使用Python語言的企業將會越來越多，Python程序猿的人才缺口也將越來越大，認准時機，把握機遇。
③ 為什麼做AI的都選Python
答: 主要有以下的一些見解，歡迎和你探討。
- 主流的深度學習框架基本上都是用Python開發的，雖然說他們也提供了其他語言的介面，但是用起來還是沒有Python這么方便；
- Python裡面有非常多的科學計算包，各種具有實用功能的庫，大大提高了開發效率，對於AI而言，最開始呢是在學術上有著大量的運用，而使用Python，非常方便進行模擬。學術研究成功之後呢，慢慢在工業界越來越多了；
- Python的包裝能力，組合能力，嵌入式能力非常強,可以把各種復雜性包裝在 Python 模塊里，暴露出漂亮的介面。也非常方便其他語言的調用。
希望可以幫助到你~
④ 為什麼做AI的都選Python
為什麼人工智慧要用Python？總結了以下三個原因。
1、Python是解釋語言，程序寫起來非常方便
寫程序方便對做機器學習的人很重要。因為經常需要對模型進行各種各樣的修改，這在編譯語言里很可能是牽一發而動全身的事情，Python里通常可以用很少的時間實現。舉例來說，在C等編譯語言里寫一個矩陣乘法，需要自己分配操作數（矩陣）的內存、分配結果的內存、手動對BLAS介面調用gemm、最後如果沒用smart pointer還得手動回收內存空間。Python幾乎就是import numpy; numpy.dot兩句話的事。
當然現在很多面向C/C++庫已經支持託管的內存管理了，這也讓開發過程容易了很多，但解釋語言仍然有天生的優勢——不需要編譯時間。這對機器學習這種需要大量prototyping和迭代的研究方向是非常有益工作效率的。
2、Python的開發生態成熟，有很多庫可以用
Python靈活的語法還使得包括文本操作、list/dict comprehension等非常實用的功能非常容易高效實現（bbs.cnite.cn），配合lambda等使用更是方便。這也是Python良性生態背後的一大原因。
相比而言，Lua雖然也是解釋語言，甚至有LuaJIT這種神器加持，但其本身很難做到Python這樣，一是因為有Python這個前輩佔領著市場份額，另一個也因為它本身種種反常識的設計（比如全局變數）。不過借著Lua-Python bridge和Torch的東風，Lua似乎也在寄生興起。
3、Python效率超高
解釋語言的發展已經大大超過許多人的想像。很多比如list comprehension的語法糖都是貼近內核實現的。除了JIT之外，還有Cython可以大幅增加運行效率。最後，得益於Python對C的介面，很多像gnumpy，theano這樣高效、Python介面友好的庫可以加速程序的運行，在強大團隊的支撐下，這些庫的效率可能比一個不熟練的程序員用C寫一個月調優的效率還要高。
以上就是總結的人工智慧要用Python的三個原因。