特斯拉嫌弃 Python

克称：我们（显然）也在寻找世界一流的芯片设计师加入我们在帕洛阿尔托和奥斯汀的团队。我们的神经网络最初使用Python以便快速迭代，然后转换成C++/C/裸机驱动程序代码以提高速度（这很重要！）。另外，车辆控制和自动驾驶汽车其余全部都需要大批的C++/C工程师。学历不重要，但都必须通过实打实的编程测试。

然而，不可对推文信以为真。信息量常常被压缩，PyTorch的共同开发者Soumith Chintala点明了Musk真正的含意。他解释道，转换成C++并不意味着要使用C++手动重写，而是自动转换成低级运行时代码。

他还补充道，特斯拉团队有自己的ASIC和传感器等，这些可能有其自己的工具、驱动程序、多阶段中间表示（staged IR）和编译器等。

C ++语言还为硬件功能的直接映射以及基于那些映射的零开销



 

机器学习框架都依赖C++，比如TensorFlow、Pytorch甚至CUDA。

如上所示，CUDA不仅仅是一种编程语言，更是一种工具包，为使用C/C++的开发人员提供了扩展，以便表达大量的并行处理，并引导编译器处理应用程序中映射到GPU的那部分。

同样，Python也是一种接口，它让用户可以进行交互并利用机器学习功能，无需学习C++的基本细节。

Python主要用作一种接口。作出这样的安排是为了让更多非编程出身的开发人员可以尽快上手、构建机器学习应用程序。

Python易学易用，它之所以大受欢迎就是缘于这一点。然而，如果人们从头开始学起，会发现C ++这种传统语言之类的语言支持的API和接口用起来很容易。

只需借助经过优化的GPU库（比如BLAS）和计算机视觉库（比如OpenCV）。需要速度的一切应用都可以用C++以及Python绑定加以编写。

与C++不同，Python用户可以从零开始编写一个卷积神经网络，用不了50行代码。C++需要了解一些较复杂的知识，这对新手来说是一大弊端。在这里时间很关键。比如说，正整合机器学习工具的物理学家更喜欢像Python这种轻巧而简单的编

（编辑：怀化站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!