用python進行深度學(xué)習(xí)的原因是：1、python是解釋語言，寫程序很方便;2、python是膠水語言可以結(jié)合C++，使得寫出來的代碼可以達到C++的效率。

　　首先python是解釋語言，寫程序很方便，所以做研究的人喜歡用它。正如為什么很多做研究的人用

　　Matlab那樣。出成果才是研究者關(guān)心的事情，實現(xiàn)只要方便就行。

　　然而在性能方面，我拿python和C++做個比較。

　　C++的cpu效率是遠遠高于python的,這點大家都承認(rèn)吧。不過python是一-門膠水語言,它可以

　　和任何語言結(jié)合，基于這個優(yōu)點，很多數(shù)據(jù)處理的python庫底層都是C++實現(xiàn)的，意思就是說:

　　你用python寫code,但效率是C+ +的。只有那些for 循環(huán)，還是用python的效率。

　　近年來機器學(xué)習(xí)最要是深度學(xué)習(xí)，而深度學(xué)習(xí)使用cuda gpu加速遠比cpu要快，而cuda 是C+ +寫

　　的。所以現(xiàn)在TensorLayer、theano 等深度學(xué)習(xí)庫都是python編程、底層c++.

　　而那些for循環(huán)的效率，在整體耗時里面完全可以忽略!

　　有的人就會說，那為什么不直接用c++寫cuda?不是更快嗎?我想告訴大家，如果沒有多年的cuda

　　經(jīng)驗，寫出來的代碼效率絕對是個問題。