机器学习用哪门语言更好

机器学习发展历史

机器学习阶段	年份	主要成果	代表人物
人工智能起源	1936	自动机模型理论	阿兰•图灵（Alan Turing）

为什么Python在近发展这么快

Python如今却稳坐编程语言界的霸主，尤其是在机器学习领域，所有主流机器学习框架都在用Python，当然Python爬虫也是有一部分功劳的。

Python引以为豪的机器学习算法，只是机器学习系统的一个组成部分。要实际大规模运行生产机器学习API。

机器学习API需要实现哪些功能的基础架构:

1.自动缩放

以便流量波动不会破坏您的API，API管理，以处理的API部署滚动更新，以便您可以在更新模型的同时仍为用户提供服务。

2.Cortex部署

对于像Cortex这样的开源机器学习部署平台，旨在使所有这些基础架构自动化，以及日志记录和成本优化等其他方面的关注，相比Python而言，Go更合。

GO在什么方面超过了Python

1.并发

并发对于机器学习基础架构至关重要，用户可以将许多不同的模型部署为不同的API，所有模型都在同一个Cortex集群中进行管理。
为了让Cortex Operator能够管理这些不同的部署，需要纠缠一些不同的API。
用户不会直接与任何这些API进行交互，取而代之的是，Cortex以编程方式调用这些API来供应集群，启动部署和监视API。
除此之外，Goroutines是正常的Go并发执行的功能。许多Goroutine可以放在一个OS线程上，如果Goroutine阻塞了OS线程，则Go运行时会自动将其余Goroutines移至新的OS线程。
使用asyncio等最新工具在Python中实现所有这些功能可能是可行的，但是Go的设计充分考虑了这种用例，这一事实使我们的生活变得更加轻松。

2.构建跨平台CLI

在Go中构建跨平台CLI更容易
Cortex CLI是一种跨平台工具，允许用户直接从命令行部署模型和管理API。Python编写的CLI尝试在各种平台之间分发太困难了。
因为Go可以编译成一个二进制文件（不需要依赖管理），所以它为我们提供了一个在平台之间分发CLI的简单解决方案，而无需进行过多的工程工作。经过编译的Go二进制文件和解释型语言的性能优势也很明显。
根据计算机基准测试游戏，Go的运行速度比Python快得多。许多其他基础结构CLI工具都是用Go编写的，这并非巧合。

3.生态系统

Go生态系统非常适合基础设施项目
开源的好处之一是，您可以从自己欣赏的项目中学习。 例如，Cortex存在于Kubernetes（本身用Go编写）生态系统中。 我们很幸运能够在该生态系统中学习到许多出色的开源项目。
例如: kubectl，minikube，helm ，kops等是用GO写的，不仅是Kubernetes项目。
无论是在看CockroachDB还是Hashicorp的基础设施项目，包括Vault，Nomad，Terraform，Consul和Packer，它们都是用Go编写的。
Go在基础设施领域的流行还有另一个影响，这就是大多数工程师都感兴趣！在基础架构方面工作的人对Go很熟悉，这使得吸引工程师更加容易。

总结

除此以外，相比Python，Go的优势还体现在：
拥有非常棒的编译器，编译器可以检测出你犯的所有低级错误更好的并行性。Go 语言就是为并行而生的部署简单。代码所需要的所有依赖都在一个二进制文件里风格一致。格式化工具会让所有代码风格都保持一致更便捷的工具。一个编辑器+插件满足几乎所有需求，都不需要IDE适用于机器学习的Python，适用于基础架构的GoCortex服务于下面展示一些 。
TensorFlow，PyTorch ，scikit-learn和其他Python模型，这意味着与这些模型的接口以及推理前后的处理，用Python完成。但是，即使将Python代码打包到了Docker容器中，这些容器都是用Go语言编写的代码精心编排的。如果你有兴趣成为一名机器学习工程师，那么了解Python是必须的。但是，如果你对使用机器学习基础结构感兴趣，则应认真考虑使用Go。

后记

大家觉得有什么方面说的不对可以再下方留言!
谢谢观看，希望大家能给个三连!