几乎所有主流的人工智能开源框架都绑定了python作为模型的切入点。以tensorflow为例。tensorflow的后端，也就是用于运算的模块，是用c/c写的，速度很快。python作为前端工具，用来描述计算图。编制完计算图，剩下的就交给高效的后端了。
比如python在机器学习领域的使用就像电脑的键盘鼠标，这些机器学习库的后端就像cpu指计算机；当然，用键盘和鼠标来做操作是不现实的，但isn用键盘鼠标把计算公式输入电脑，让它去做运算，这不正常吗？
那为什么唐你不是用最方便省时的工具画计算图吗？
目前，机器学习主要有两种形式。一种是搞算法的，主力是麻省理工等世界知名大学(学术派)，大公司的核心团队，比如google。基本都是名校毕业的博士或者在职教授，给大家做轮子。二是工程应用，自动驾驶，医学影像，城市公交，语音识别等。主要目的是快速把算法变成可执行的项目，大部分都是直接用轮子。
那么是不是说我们做工程的就一定不能做轮子呢？那个这不是真的。根据项目需要，可以对车轮进行修改或改造。
