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(shí)現(xiàn)只要方便就行。

然而在性能方面，我拿 python 和 c++ 做個(gè)比較。

c++ 的cpu效率是遠(yuǎn)遠(yuǎn)高于 python 的，這點(diǎn)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(gè)優(yōu)點(diǎn)，很多數(shù)據(jù)處理的python 庫底層都是 c++ 實(shí)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(jī)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(yuǎn)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(shí)里面完全可以忽略！

有的人就會(huì)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(yàn)，寫出來的代碼效率絕對(duì)是個(gè)問題。