python适合做人工智能的编程语言吗？
当然，Python是人工智能的首选语言。具体原因如下：Python在设计上坚持了清晰的风格，让Python成为了一门简单、易读、易维护的语言，让大量用户所欢迎的、用途广泛的语言。
机器学习应用程序是非常复杂的，多阶段的工作流程，而Python的语言设计在机器学习中很有帮助，就是可以提供高层的、基于对象的任务抽象。其次，Python还提供了机器学习的代码库。
Python提供大量的机器学习的代码库和框架，在数学运算方面有NumPy、SciPy，在可视化方面有MatplotLib、SeaBorn，结构化数据操作可以通过Pandas，针对各种垂直领域比如图像、语言、文本在预处理阶段都有成熟的库可以使用。
最后，Python功能强大。Python在机器学习领域之中可以说是大放异彩的。
不仅仅只是说一个功能而已，而是Python整体的语言包，一种易学易用的语言，它的生态系统拥有第三方代码库可以覆盖广泛的机器学习用例和性能，可以帮助我们完成更好的工作。
谷歌人工智能写作项目：神经网络伪原创
人工智能是需要学代码吗？
需要，学python就够了，如果你要想工程化的话，估计还需要学C++写作猫。
现在人工智能比较火的方向是做深度学习，深度学习主流就是使用Python的，当然还有一些使用C++的(caffe)、还有使用lua的(torch)，推荐学python，简单容易。
一般来说即使是搞纯理论也是需要编写代码的，因为你要跑实验去验证理论的有效性。
人工智能 Python深度学习库有哪些
由于Python的易用性和可扩展性，众多深度学习框架提供了Python接口，其中较为流行的深度学习库如下：第一：CaffeCaffe是一个以表达式、速度和模块化为核心的深度学习框架，具备清晰、可读性高和快速的特性，在视频、图像处理方面应用较多。
Caffe中的网络结构与优化都以配置文件形式定义，容易上手，无须通过代码构建网络;网络训练速度快，能够训练大型数据集与State-of-the-art的模型，模块化的组件可以方便地拓展到新的模型与学习任务上。
第二：TheanoTheano诞生于2008年，是一个高性能的符号计算及深度学习库，被认为是深度学习库的始祖之一，也被认为是深度学习研究和应用的重要标准之一。
其核心是一个数学表达式的编译器，专门为处理大规模神经网络训练的计算而设计。
Theano很好地整合了Numpy，可以直接使用Numpy的Ndarray，使得API接口学习成本大为降低;其计算稳定性好，可以精准地计算输出值很小的函数;可动态地生成C或者CUDA代码，用来编译成高效的机器代码。
第三：TensorFlowTensorFlow是相对高阶的机器学习库，其核心代码使用C++编写，并支持自动求导，使得用户可以方便地设计神经网络结构，不需要亲自编写C++或CUDA代码，也无须通过反向传播求解梯度。
由于底层使用C++语言编写，运行效率得到了保证，并简化线上部署的复杂度。TensorFlow不只局限于神经网络，其数据流式图还支持非常自由的算法表达，也可以轻松实现深度学习以外的机器学习算法。
第四：KerasKeras是一个高度模块化的神经网络库，使用Python实现，并可以同时运行在TensorFlow和Theano上。
Keras专精于深度学习，其提供了到目前为止最方便的API，用户仅需将高级的模块拼在一
原文链接：https://blog.csdn.net/shirley67269/article/details/127245342
