luapython效率
① python和人工智能有什么联系
人工智能和Python的渊源在于。就像我们统计数据或选择用excel制作表格时，因为在需要用到加减乘除或者、函数等时，只需要套用公司就可以。因为SUM、AVERAGE等这样的函数运行的背后，是C++/C#等语言已经编写好了代码，所以Excel只是工具和展现形式并不是它做计算。同理在学习人工智能时Python只是用来操作深度学习框架的工具，实际负责运算的主要模块并不依靠Python，真正起作用的是也是一大堆复杂的C++ / CUDA程序。
深度学习人工智能时，自己计算太复杂，还要写C++代码操作，这时程序员就想要不搞一套类似复杂的Excel配置表，直接搭建神经网络、填参数、导入数据，一点按钮就直接开始训练模型、得出结果。这个方法简单实用可是神经网络搭建起来太复杂，需要填写的参数太多，各种五花八门的选项也很难做成直观的图形工具。只能用一个类似Python的相对好用的语言，通过简化的程序代码来搭建神经网络、填写参数、导入数据，并调用执行函数进行训练。通过这种语言来描述模型、传递参数、转换好输入数据，然后扔到复杂的深度学习框架里面去计算。那么为什么会选择Python？
科学家们很早就喜欢用Python实验算法，也善于使用numpy做科学计算，用pyplot画数据图。恰好Google内部用Python也非常多，所以采用Python也是必然的。除Python外，实际上TensorFlow框架还支持JavaScript、c++、Java、GO、等语言。按说人工智能算法用这些也可以。但是官方说了，除Python之外的语言不一定承诺API稳定性。所以人工智能和Python就密不可分了。
单说人工智能的核心算法，那时是完全依赖于C/C++的，因为是计算密集型，需要非常精细的优化，还需要GPU、专用硬件之类的接口，这些都只有C/C++能做到。所以某种意义上其实C/C++才是人工智能领域最重要的语言。Python是这些库的API binding，要开发一个其他语言到C/C++的跨语言接口，Python是最容易得，比其他语言的ffi门槛要低不少，CPython的C API是双向融合的，可以直接对外暴露封装过的Python对象，还可以允许用户通过继承这些自定义对象来引入新特性，甚至可以从C代码当中再调用Python的函数。
Python一直都是科学计算和数据分析的重要工具，Python是这些库的API binding，要开发一个其他语言到C/C++的跨语言接口，Python是最容易的，比其他语言的ffi门槛要低不少，CPython的C API是双向融合的，可以直接对外暴露封装过的Python对象，还可以允许用户通过继承这些自定义对象来引入新特性，甚至可以从C代码当中再调用Python的函数。都说时势造英雄，也可以说是人工智能和Python互相之间成就者对方，人工智能算法促进Python的发展，而Python也让算法更加简单。
② 为什么人工智能用 python
Python是一种通用的脚本开发语言，比其他编程语言更加简单、易学，其面向对象特性甚至比Java、C#、.NET更加彻底，非常适合快速开发，Python在软件质量控制、开发效率、可移植性、组件集成、库支持等方面均处于先进地位！
中国人工智能行业正处于一个创新发展时期，对人才的需求也在同步急剧增长，如今Python语言的学习已经上升到了国家战略的层面上。国家相关教育部门对于“人工智能普及”格外重视，不仅将Python列入到小学、中学和高中等传统教育体系中，并借此为未来国家和社会发展奠定了人工智能的人才培养基础，逐步由底层向高层推动“全民学Python”，从而进一步实现人工智能技术的推动和社会人才结构的更迭。可见Python在人工智能领域的重要性，那么，做人工智能为什么要学Python呢？
人工智能为什么要用Python语言?
1. Python除了极少的事情不能做之外，其他基本上可以说全能，系统运维、图形处理、数学处理、文本处理、数据库编程、网络编程、web编程、多媒体应用、pymo引擎、黑客编程、爬虫编写、机器学习、人工智能等等都可以做。
2. Python是解释语言，程序写起来非常方便，写程序方便对做机器学习的人很重要。
3. Python的开发生态成熟，有很多有用的库可以用。相比而言，Lua虽然也是解释语言，甚至有LuaJIT这种神器加持，但其本身很难做到Python这样。
4. Python效率超高，解释语言的发展已经大大超过许多人的想象。毫无疑问使用Python语言的企业将会越来越多，Python程序猿的人才缺口也将越来越大，认准时机，把握机遇。
③ 为什么做AI的都选Python
答: 主要有以下的一些见解，欢迎和你探讨。
- 主流的深度学习框架基本上都是用Python开发的，虽然说他们也提供了其他语言的接口，但是用起来还是没有Python这么方便；
- Python里面有非常多的科学计算包，各种具有实用功能的库，大大提高了开发效率，对于AI而言，最开始呢是在学术上有着大量的运用，而使用Python，非常方便进行仿真。学术研究成功之后呢，慢慢在工业界越来越多了；
- Python的包装能力，组合能力，嵌入式能力非常强,可以把各种复杂性包装在 Python 模块里，暴露出漂亮的接口。也非常方便其他语言的调用。
希望可以帮助到你~
④ 为什么做AI的都选Python
为什么人工智能要用Python？总结了以下三个原因。
1、Python是解释语言，程序写起来非常方便
写程序方便对做机器学习的人很重要。因为经常需要对模型进行各种各样的修改，这在编译语言里很可能是牵一发而动全身的事情，Python里通常可以用很少的时间实现。举例来说，在C等编译语言里写一个矩阵乘法，需要自己分配操作数（矩阵）的内存、分配结果的内存、手动对BLAS接口调用gemm、最后如果没用smart pointer还得手动回收内存空间。Python几乎就是import numpy; numpy.dot两句话的事。
当然现在很多面向C/C++库已经支持托管的内存管理了，这也让开发过程容易了很多，但解释语言仍然有天生的优势——不需要编译时间。这对机器学习这种需要大量prototyping和迭代的研究方向是非常有益工作效率的。
2、Python的开发生态成熟，有很多库可以用
Python灵活的语法还使得包括文本操作、list/dict comprehension等非常实用的功能非常容易高效实现（bbs.cnite.cn），配合lambda等使用更是方便。这也是Python良性生态背后的一大原因。
相比而言，Lua虽然也是解释语言，甚至有LuaJIT这种神器加持，但其本身很难做到Python这样，一是因为有Python这个前辈占领着市场份额，另一个也因为它本身种种反常识的设计（比如全局变量）。不过借着Lua-Python bridge和Torch的东风，Lua似乎也在寄生兴起。
3、Python效率超高
解释语言的发展已经大大超过许多人的想象。很多比如list comprehension的语法糖都是贴近内核实现的。除了JIT之外，还有Cython可以大幅增加运行效率。最后，得益于Python对C的接口，很多像gnumpy，theano这样高效、Python接口友好的库可以加速程序的运行，在强大团队的支撑下，这些库的效率可能比一个不熟练的程序员用C写一个月调优的效率还要高。
以上就是总结的人工智能要用Python的三个原因。