明明Python那么多人用,为什么总有人喷Python?
世界上分为2种编程语言，是编译型语言和解释性语言！从另外一个角度来讲，也能分为2种，一种是没有喷，但同时没人用的语言；另外一种就是那些经常被人喷的语言，但大家都“痛并快乐”的用着，这种语言的典型就是C++、Java，甚至包括本篇文章的主角-Python！因为只有亲自体会，近距离接触才能看到事物真正的一面。就像孔子说的那样，每一件锦袍的里面都有虱子，有人看不到的一面。在某个编程语言速度测试中，Python跑出了比C慢100倍的速度。一个GIL全局锁让CPU的并行机制失效，用 4 核 CPU 运行一个 Python 多线程的数值计算程序，CPU 就只能用一个核心。这在CPU几乎都是“多核”的时代，确实让人有点让人郁闷！那既然如此，Python是怎样能够走到今天，依然成为“AI时代的原生语言”呢？我们知道，Python在早期是一个“脚本语言”，特点就是简单易用，能够让初学者很容易学会。同时，Python同时为了调用底层代码的需求，还专门设计了和C/C++语言的编程接口，可以使用这些“高级编程”调用系统功能，并充分利用他们的速度优势，弥补自己的局限，同时提高运行速度，一举两得，这让Python成为了一个高层和底层之间“胶水语言”！这个设计，也在设计和使用、高级和初学者之间直接搭建了一个桥梁，一方面能够让初学者轻松使用，另外一方面也能让高级程序设计人员来设计底层功能，并提供接口让Python轻松调用！我们现在普通使用的numpy、pandas、pytorch都是基于这个机制！2005 年 NumPy 发布，解决了 Python 数值计算效率低的问题；2008 年 Pandas 发布，完善了数据处理能力，这两个库成为 AI 数据预处理的基石。2007年，随着互联网数据的增多，用人类来区分变得越来越困难，同时商品推荐、广告用户定位等新的数据分析需求变得愈来愈多。Python则因为上面2个框架的加持下，被广泛使用！进一步，Python给出了Scikit-learn，它在2007 年发布，提供了开箱即用的经典算法（分类、回归、聚类等），API 设计统一，使用也非常简单！到了2010年，深度学习开始走上计算机的主流，关键性的事件就是李飞飞的ImageNet的发布。ImageNet包含1400万+的图片，和23w+个类别。目的就是让计算机加一个眼睛，如何识别现实中的事物！ImageNet极大地促进了“深度学习”这个功能的发展！ImageNet的正确率在不断提升的过程中，见证了“深度学习”的发展历程！2012年，Alexnet的Top-5错误率在15%。2014年，GoogLeNet错误率降低到了6.5%。2017年，SeNet则进一步降低到了2.25%，关键技术就是引入了transfomer的“注意力”机制！上面的提升，则无一不是则Python为基础的工程实践上面一步步成功的。2011 年 Theano 发布（第一个深度学习框架），选择 Python 作为主要接口； 2015 年 TensorFlow 开源，进一步巩固了 Python 的地位； 2016 年 PyTorch 发布，凭借动态图和更简洁的 Python 语法，迅速成为科研和工业界的主流选择。上面所有的识别方法，都可以做那本著名的《动手学习深度学习（Pytorch版本）》的”深度学习“里面找到相应的实现方法，而当OpenAI用Pytorch把gpt的参数调整到了175b，在2020年突然产生了“涌现”现象，瞬间让深度学习变得似乎有了智能（AI），并2022年的gpt3.5中让涌现大量解锁，到了2022年11月发布了chatgpt，至此我们正式进入了Ai时代！至此，python从Perl、PHP、Python的“脚本三兄弟”的三小只之一，脱颖而出站在了编程语言的主流，并成为ai时代的number one编程语言！2020年11月第一次成为TIOBE编程语言的“榜首”语言，并开始和C、Java争夺第一名，并起起伏伏，互有胜负！2022年，Python成为“常驻第一”，虽然偶然为C反超，但从来没有掉出过前二，并在近5年以来非常稳定！一路走来，Python的发展可谓非常励志，看来好像是站在了时代的风口上的pig，有幸运的成分，能够原地起飞；但其中的“简单易用”，胶水般的无缝连接，无一不透露着设计的高妙之处！世界上并不需要完美，只要有一个无法拒绝的点，就能成功！
