为什么 Python被Google选为TensorFlow的开发语言呢？使用 Python比C++语言进行机器学习有什么优势？

其实TensorFlow大部分内核并不是用Python编写的 ：它是高度优化了C++和CUDA（Nvidia用于编程GPU的语言）的组合。 相反，通常它是使用了Eigen （高性能C ++和CUDA库）和NVidia的cuDNN （用于NVidia GPU的非常优化的DNN库，用于卷积等功能）。

TensorFlow的模型是程序员用“一种语言”（很可能是Python！）来表达。 这个模型，是写在TensorFlow结构中的，如：

h1 = tf.nn.relu(tf.matmul(l1, W1) + b1)

h2 = ...

当Python运行时，实际上并没有被执行。 相反，实际创建的是一个数据流图 ，表示采取特定输入，应用特定操作，将结果提供给其他操作的输入，等等。 该模型由快速C ++代码执行，并且在大多数情况下，操作之间的数据不会被复制回Python代码 。

然后，程序员通过拉扯节点来驱动这个模型的执行，通常用Python进行训练，有时在Python中，有时是在原始的C ++中：

sess.run(eval_results)

这一个Python程序（或C ++函数调用）使用C ++的进程内调用或分布式版本的RPC调用C ++ TensorFlow服务器来告诉它执行，然后复制结果。

所以说，我们再说一下这个问题：为什么TensorFlow选择Python作为表达和控制模型训练而且支持的非常好的语言？

答案很简单：Python可能是大量数据科学家和机器学习专家用的最舒适的语言，也是易于集成和控制C ++后端的语言，同时也是广泛使用与谷歌的公司内外和他们的开源产品。 鉴于使用TensorFlow的基本模型，Python的性能并不重要，这是一个很自然的契合。 NumPy也是一个巨大的加分，它可以很容易地在Python中进行预处理（也是高性能），然后将它们提供给TensorFlow，以获得真正CPU-heavy的东西。