學Python一定要會算法嗎？一開始，你不必好好學習算法。但是隨著技術(shù)的發(fā)展，仍然需要算法，否則只能做一些工作。1. 學好軟件開發(fā)離不開計算機理論基礎，比如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡技術(shù)、算法研究等，如

學Python一定要會算法嗎？

一開始，你不必好好學習算法。但是隨著技術(shù)的發(fā)展，仍然需要算法，否則只能做一些工作。

1. 學好軟件開發(fā)離不開計算機理論基礎，比如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡技術(shù)、算法研究等，如果你喜歡這項技術(shù)，那就不是問題。先開始，你可以彌補。

2. 算法是軟件開發(fā)的靈魂。好的算法寫不出好的程序。

3. 如何學習算法，首先選擇經(jīng)典算法教材?；镜目梢詮臄?shù)據(jù)結(jié)構(gòu)中學習，其中包含一些基本的算法，然后再學習特殊的算法（實際上，在數(shù)據(jù)結(jié)構(gòu)領域?qū)W習算法一般就足夠了）。網(wǎng)上還有很多論壇、算法網(wǎng)站，為了吸引眼球，它們一般都很通俗易懂。大多數(shù)算法都是C語言，但是語言在算法層次上是相互聯(lián)系的，因此理解算法模型是最重要的。

4. 萬事開頭難。只要你開始，剩下的就是慢慢操作這項技術(shù)。該算法在實際應用中是最快、最強的。

我希望我能幫助你

讓我們談談Python的缺點。python自發(fā)布以來，在學術(shù)界實際生產(chǎn)中的應用比工業(yè)界多，主要原因是它不夠成熟，很多接口不穩(wěn)定，綜合性不夠。Tensorflow仍有許多Python不支持的功能，如快速傅立葉變換，但隨著Python的發(fā)展，這一缺點將逐漸減少。另外，與tensorflow的靜態(tài)圖相比，tensorflow的靜態(tài)圖很容易部署到任何地方（這比許多框架都要好得多），Python的深度學習框架比Python更先進，部署到其他產(chǎn)品上會非常不方便。

優(yōu)勢從一開始就有。盡管tensorflow自2015年發(fā)布以來受到了許多方面的青睞，比如theano，但tensorflow使用的是靜態(tài)計算圖。對于新手來說，有太多的新概念需要學習。因此，無論如何開始或構(gòu)建，使用tensorflow都比python更困難。2017年，Python被團隊開放源碼的一個主要原因是更容易構(gòu)建深度學習模型，這使得Python發(fā)展非常迅速。在數(shù)據(jù)加載方面，Python用于加載數(shù)據(jù)的API簡單高效。它的面向?qū)ο驛PI來自于porch（這也是keras的設計起源），它比tensorflow的困難API友好得多。用戶可以專注于實現(xiàn)自己的想法，而不是被框架本身所束縛。

在速度方面，python不會為了靈活性而放棄速度。雖然運行速度與程序員的水平密切相關，但在相同的情況下，它可能比其他框架更好。另外，如果追求自定義擴展，python也會是首選，因為雖然兩者的構(gòu)造和綁定有一些相似之處，但tensorflow在擴展中需要大量的模板代碼，而只有接口和實現(xiàn)是python編寫的。

面對Tensorflow，為何我選擇PyTorch？

數(shù)據(jù)集是否已收集？

為問題建模并用數(shù)據(jù)訓練模型。