1樓:胖達Kcol
我談談我的看法,就落地來說,C++是肯定需要的,但是沒有必要花費太多精力在精通C++上。
術業有專攻,乙個人不可能完全掌握從演算法研發到優化調優、落地部署的整個流程,此處的優化調優不僅僅指調參,還有加快模型速度、減小模型體量的多種嘗試。工作中,一般都是負責某乙個環節,把這個環節做精做強,做的獨一無二就可以了。一套流程要掌握,但沒有必要花費大量時間。
目前演算法的精度提公升日趨緩慢,並且模型結構也摸索的差不多了,可以落地的場景也探查殆盡。我覺得尋找演算法與場景瓶頸,解決目前落地難或者突破新的研究方向是重要的,起碼相對於精通C++來講。
做出東西,有乙個好的想法,並用Python做出乙個吸引人的demo,剩下的會有專門人員來幫助落地。
2樓:博登趙捷
要的,做訓練實現想法或者復現別人的演算法用tf或者torch是可以的,但是一旦涉及到產品落地部署,一定要用c++的,比如使用tf 的c++版,或者直接使用tensorRT加速。
3樓:Autobots
如果僅僅做演算法研究可能不需要;但是想要將機器學習的專案落地,往往會需要用C++,因為在一些實時性較高的系統,如自動駕駛系統,需要極高的實時性,這時就需要用C++來實現。
4樓:尚學堂人工智慧學院
應該要學一點的
簡單的說一下,AI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,所以某種意義上來說,其實C/C++才是人工智慧領域最重要的語言。
Python是API binding,使用Python是因為CPython的膠水語言特性,能夠把用其他語言製作的各種模組很輕鬆的連線在一起,比如3D遊戲中的圖形渲染,效能要求特別高就可以用C/C++重寫,而後封裝為Python可以呼叫的擴充套件類庫。
C/C++與人工智慧理論之間那千絲萬縷的聯絡是不會斷的。
但是缺點也是很明顯的;
多工處理不佳;
C ++僅適用於實現特定系統或演算法的核心或基礎。
它遵循自下而上的方法,因此非常複雜。
Python優勢是易學,是一種輕量型指令碼解釋型動態語言,無指標,無須擔心記憶體洩露等問題,最重要的是具有豐富的演算法庫。Python的開發速度更快。但是習慣用Python語言的程式設計師是比較難適應其他語言得,畢竟乙個簡單的輸出突然變得複雜啦起來給誰也受不了;
5樓:啥都想學的小白
第一次回答問題,如果有不便之處,請指出,個人也是小白一枚,回答的也不一定都對,希望大家多批評指正。
以我了解的來看,目前你想工作的話,python上面的模型和demo可以考慮和fpga結合一下,因為這個看到過很多落地,也不一定是要學c和c++。
機器學習成就人工智慧,還是人工智慧成就機器學習?
智慧型的本質是 解決問題的能力 而機器學習只是人類創造出來的一種實現人工智慧的途徑而已。從本質上講,進化為學習提供了基礎,而學習為更精細的智慧型創造了條件。拿人類來講,為什麼有學習的能力?進化的結果。為什麼創造出了浩如煙海的可以改變世界的科技?學習的結果。進化是被動的適應環境,學習是主動的適應環境。...
什麼是人工智慧?人工智慧 機器學習 深度學習三者之間有什麼關係嗎?
祩徍徍 人工智慧是乙個很寬泛的概念,各種定義都有,機器學習是人工智慧的一種實現方法,深度學習是機器學習的一種實現方法,是在機器學習的基礎上建立起來的,深度學習最基本的形式就是神經網路。 王易諾 人工智慧 英語 artificial intelligence,縮寫為AI 是指由人製造出來的機器所表現出...
學習人工智慧,機器學習,專業顯示卡還是遊戲顯示卡?
麗台科技 如果有預算的前提下,學習人工智慧 機器學習還是建議用專業工作站配備專業顯示卡。術業有專攻,NVIDIA Tesla系列以及最新的Quadro RTX 8000 6000,都能在AI領域發揮強大的GPU效能。與遊戲顯示卡相比,專業顯示卡在視訊記憶體 浮點運算能力 多GPU速度傳輸方面具有很大...