MATLAB在逐漸被Python淘汰嗎？MATLAB和python不在同一級別。MATLAB是面向算法本身和仿真本身的產(chǎn)品。如果不是運行效率，那就要看是誰寫的程序了。matlab收費的原因在于運行時的

MATLAB在逐漸被Python淘汰嗎？

MATLAB和python不在同一級別。MATLAB是面向算法本身和仿真本身的產(chǎn)品。如果不是運行效率，那就要看是誰寫的程序了。matlab收費的原因在于運行時的更新。比如及時5g更新NR庫，如果你用Python寫這個東西，不是不可能寫的，只是時間、完整性、運行效率，這些都很難保證。畢竟，MATLAB的背后是一支強大的科學(xué)家團隊來負責(zé)算法，一支強大的工程師團隊來完成實現(xiàn)，最后給大家一個簡單易用的函數(shù)它可以通過使用的方法來實現(xiàn)。每個人都做他們擅長的事。

圖像處理用Python還是MATLAB？

Python勝過matlab的所有優(yōu)勢來自：免費

Python是純語言工具

matlab是數(shù)學(xué)算法的強大工具

普通人使用Python

作為人工智能的重要組成部分，近年來，機器學(xué)習(xí)和計算機視覺在研究生中越來越流行。機器學(xué)習(xí)和計算機視覺需要處理各種算法，所以我們經(jīng)常需要使用一些方便的工具來輔助研究，比如MATLAB就是一個常用的工具。

與Python相比，Matlab更像一個工具。雖然我經(jīng)常說編程語言是一種工具，但python可以做除科學(xué)計算之外的其他事情，比如web開發(fā)。因此，Python是一種編程語言，而MATLAB更接近于一種工具。目前，matlab還支持語言輸出。

因為我是作為一個程序員出生的，所以在早期我并不費心使用MATLAB。直到我們的一位同事在我面前展示了MATLAB的強大功能，我才對MATLAB更感興趣，并用了一段時間。使用MATLAB有很強的方便性。以前需要很多代碼的地方，只需要簡單的配置，這樣matlab就可以節(jié)省很多時間。如果你在做研究，你不需要實現(xiàn)這個項目，所以使用MATLAB絕對是一個不錯的選擇，你不必在編碼上投入太多精力。

后來，我開始做機器學(xué)習(xí)，因為我的很多研究內(nèi)容是要實現(xiàn)的（基于實際應(yīng)用），所以我直接用python。在使用python之前，我使用了java（其中有更多的故事）。如果您需要在實踐中使用該算法，那么必須正確地使用python。MATLAB擅長分析和建模。

Python機器學(xué)習(xí)需要使用numpy、Matplotlib和SciPy，使用起來并不復(fù)雜。學(xué)習(xí)Python也相對簡單易用。

建議在研究生階段學(xué)習(xí)Python，但這取決于導(dǎo)師的具體安排和指導(dǎo)。雖然他們都做機器學(xué)習(xí)，但我的研究更傾向于機器學(xué)習(xí)應(yīng)用，所以我推薦python。

機器學(xué)習(xí)和計算機視覺方向的CS碩士研究生，應(yīng)該往python還是MATLAB發(fā)展？

作為多年的實踐者，我想說的是，Python和人工智能是兩個完全不同的概念。Python只是一種編程語言，而人工智能是一種科學(xué)方法，主要研究如何通過計算機實現(xiàn)與人類智能相似的設(shè)備或程序。python作為一種計算機編程語言，可以作為實現(xiàn)人工智能的編程工具，但它并不是唯一的選擇。

首先簡單介紹一下人工智能的實現(xiàn)方法。目前，主要有兩所學(xué)校。

一個是基于神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)，也就是說，近年來，隨著谷歌的阿爾法狗獲得世界圍棋冠軍，它又流行起來了（之所以再次被使用，是因為它流行了一段時間，后來遇到技術(shù)瓶頸時就沉寂了）。為了促進人工智能的發(fā)展，Google開源的tensorflow庫受到了廣大研究人員的青睞，它可以極大地促進人工神經(jīng)網(wǎng)絡(luò)的開發(fā)和實驗。python作為tensorflow的編程語言，自然成為研究人員必不可少的工具。此外，F(xiàn)acebook的開源項目pytorch也是一個優(yōu)秀的機器學(xué)習(xí)庫。它還使用Python作為開發(fā)語言，為Python添加了許多用戶。實際上，也有很多語言可以用于人工智能開發(fā)，比如MATLAB和C/C，它們也被廣泛使用，但是編程過程會稍微復(fù)雜一些。

另一種實現(xiàn)人工智能的方法是基于演繹邏輯的推理方法。曾經(jīng)流行的專家系統(tǒng)正是基于這一技術(shù)，正是因為近年來，深度學(xué)習(xí)蓬勃發(fā)展，其輝煌被掩蓋。在這種人工智能實現(xiàn)模式中使用的編程語言是LISP和Prolog。

另外，我想提醒你，如果你想學(xué)習(xí)人工智能，僅僅能夠編程是不夠的。它需要一個堅實的數(shù)學(xué)基礎(chǔ)，從線性代數(shù)，概率過程，到微積分，甚至張量分析。有了這些基礎(chǔ)知識，就可以理解和改進各種學(xué)習(xí)算法。至于你的算法是用什么語言實現(xiàn)的，就簡單多了。當然，Python是一個不錯的選擇。它比其他語言更簡單、更容易學(xué)。關(guān)鍵是要有強大的圖書館支持。

人工智能是一定要學(xué)習(xí)python嗎？還會用到哪些語言？

對于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉(zhuǎn)用Python進行機器學(xué)習(xí)的人，我想談?wù)勎业目捶ā?/p>

首先，Python真的很慢嗎？我的回答是真的。非常慢。for循環(huán)比CPP慢兩個數(shù)量級。

那么為什么要使用Python呢？如果我們遍歷超過一億個數(shù)據(jù)，兩個數(shù)量級的差異是不可接受的。但是，如果我們使用Python來執(zhí)行頂層邏輯并阻塞數(shù)以億計的數(shù)據(jù)，Python只會循環(huán)十幾次，剩下的就留給CPU和GPU了。所以兩個數(shù)量級無關(guān)緊要？一毫秒和100毫秒在整個系統(tǒng)中并不重要。

Python最大的優(yōu)點是它可以非常優(yōu)雅地將數(shù)據(jù)拋出到高效的C、CUDA中進行計算。Numpy、panda、numba這些優(yōu)秀的開源庫可以非常方便高效地處理海量數(shù)據(jù)，借助ZMQ、cell等還可以做分布式計算，gevent借助epoll系統(tǒng)IO優(yōu)化。因此，它不需要花費太多的精力就可以優(yōu)雅高效地完成海量數(shù)據(jù)處理和機器學(xué)習(xí)任務(wù)。這就是Python如此流行的原因。

好好想想。同樣的性能，代碼只有CPP或Java的三分之一或更少，不是很吸引人嗎？

Python語言其實很慢，為什么機器學(xué)習(xí)這種快速算法步驟通常還是用呢？

使用python，我對python的使用有一些個人的看法：

1.2017人工智能（包括科學(xué)計算）流行了一年，python的用戶數(shù)量大大增加，這是大勢所趨。

2. Python的開發(fā)效率遠遠高于其他高級語言。例如，1000行C語言代碼、100行Java代碼和20行Python代碼就足以說明Python的開發(fā)效率。

3. Python的第三方庫非常豐富，你會發(fā)現(xiàn)只要你想大部分的東西都被打包了庫，比如numpy數(shù)值計算，Matplotlib，一個類似Matlab的庫，用于繪圖，panda文件操作庫，這些庫都會在科學(xué)計算中常用。

4. 代碼運行速度。雖然Python的速度不如其他高級語言，例如對于耗時的操作，我們可以使用C語言來編程和調(diào)用Python，所以速度不會減慢。例如，numpy、panda和Matplotlib的底層實現(xiàn)都是用C編寫的，以上是我的觀點。