有那么一種Python人工智能算法可以良好的控制你傳輸?shù)臄?shù)據(jù)，避免網(wǎng)絡堵塞，合理的分配你的流量大小以及速度。他可以控制數(shù)據(jù)發(fā)送到互聯(lián)網(wǎng)上的數(shù)目，可以發(fā)送突發(fā)數(shù)據(jù)的。是不是很神奇，然而你知道它是什么算法？可以先透漏給你們喲，這個神器的Python人工智能算法只需15行代碼！

代碼：

import timeclass TokenBucket(object):# rate是令牌發(fā)放速度，capacity是桶的大小def __init__(self, rate, capacity):self._rate = rateself._capacity = capacityself._current_amount = 0self._last_consume_time = int(time.time()) # token_amount是發(fā)送數(shù)據(jù)需要的令牌數(shù)def consume(self, token_amount):increment = (int(time.time()) - self._last_consume_time) * self._rate # 計算從上次發(fā)送到這次發(fā)送，新發(fā)放的令牌數(shù)量self._current_amount = min(increment + self._current_amount, self._capacity) # 令牌數(shù)量不能超過桶的容量if token_amount > self._current_amount: # 如果沒有足夠的令牌，則不能發(fā)送數(shù)據(jù)return Falseself._last_consume_time = int(time.time())self._current_amount -= token_amount return True

說起人工智能，程序員都會想到Python，去年到現(xiàn)在IT界最熱門的話題就是人工智能和Python，為什么說到人工智能我們就想到Python？今年程序員如何選擇IT行業(yè)？

java一直都是我們心中最好的編程語言，java可以開發(fā)安卓app，還可以嵌入電磁爐按鍵，手機硬件開發(fā)，電腦桌面等等，按理來說java在人工智能方面應該也不會很差，但是你們都忘記的了人工智能主要還是簡單“說人話”，簡單讓機器很快讀懂我們需要他們做什么。我們來看下java和Python最簡單的輸出“"Hello World”。

Python輸出：

java輸出：

從上面輸出我們很清楚地判斷，Python一行代碼就可以輸出我們想要的東西，符合人工智能直接簡單易懂的性質，所以人工智能選擇Python再好不過了。

看到很多新聞都講述2018年，人工智能即將爆發(fā)，人工智能的開發(fā)人員嚴重缺口等等信息，其實人工智能的熱度從去年到現(xiàn)在一直沒有變過，國家也大力發(fā)展人工智能這一方面，2018年即將過半，如果人工智能真的爆發(fā)，2018年也只是過度，或許2019年才是人工爆發(fā)之年，人工智能的爆發(fā)，選擇Python肯定比java更有競爭力。

責任編輯：wx-cqc

如果大家身處互聯(lián)網(wǎng)，一定能夠切身地感受到 Python 語言的流行程度。Python 語言由于其簡單易學、語法優(yōu)美、應用領域廣泛等諸多優(yōu)點，俘獲了大批的粉絲。Python是一門腳本言語，因為能將其他各種編程言語寫的模塊粘接在一同，也被稱作膠水言語。強悍的功能和使用的廣泛性使其變得越來越多的關注，最近就有許多朋友來問我想了解Python的用處和未來發(fā)展方向……那干脆今日就和大家一同梳理一下Python言語到底能做哪些事。

1、WEB開發(fā)

在國內，豆瓣一開始就使用Python作為web開發(fā)的編程語言，知乎的整個架構也是根據(jù)Python語言，這使得web開發(fā)這塊在國內發(fā)展的很不錯。盡管目前Python并不是做Web開發(fā)的首選，但一直都占有不可忽視的一席。Python中有各類Web結構，無論是簡略而能夠自由搭配的微結構還是全功用的大型MVC結構都一應俱全，這在需求靈敏開發(fā)的Web項目中也是十分具有優(yōu)勢的。我廣泛使用(或從前廣泛使用)Python提供的大型Web服務包括知乎、豆瓣、Dropbox等網(wǎng)站。加之Python自身的“膠水”特性，很容易完成在需求大規(guī)模性能級核算時整合其它言語，一起保留Web開發(fā)時的輕便便利。

使用Python中的Flask搭建一個Web版的Hello world，也只需求幾行而已：

from flask import Flask app = Flask(__name__) @app.route("/") def hello(): return "Hello World!" if __name__ == '__main__': app.run()

除此之外，Python中還有很多“開箱即用”的模塊，用于與各種其它網(wǎng)站的對接等相關功用。如果希望開發(fā)個微信大眾號相關功，wechat-sdk/weixin-python等包，能夠使你幾乎徹底不用管文檔中提及的各種服務器交互細節(jié)，專注于功用完成即能完成開發(fā)。目前，國內的Python web開發(fā)主要有兩個技能棧：

2、Django

Django是一個高級的靈敏web開發(fā)結構，如果學會了，擼一個網(wǎng)站很快。當然如果純粹比擼網(wǎng)站的速度，根據(jù)ruby的Ruby on rails明顯更快，但是Django有一個優(yōu)勢就是性能優(yōu)異，更合適國內網(wǎng)站的使用場景。國外的著名圖片社區(qū)Pinterest前期也是根據(jù)Django開發(fā)的，承受了用戶快速增長的沖擊。所以說如果你想快速開發(fā)一個網(wǎng)站，還能統(tǒng)籌APP客戶端的API調用需求，Django是能夠信賴的。

3、 Flask

相關于Django，F(xiàn)lask則是一個輕量級的web結構，F(xiàn)lask的最大的優(yōu)勢是性能優(yōu)越，合適合作手機客戶端開發(fā)后臺API服務。國內根據(jù)Flask的Restful API服務這快很火，也是需求最大的。聞名的比如百度、網(wǎng)易、小米、陌陌等等許多公司都有根據(jù)Flask的使用布置。當然，如果你想做一個傳統(tǒng)的web網(wǎng)站，還是建議使用Django，F(xiàn)lask的優(yōu)勢是后端、API，不合適構建全功用網(wǎng)站。

4、網(wǎng)絡爬蟲

網(wǎng)絡爬蟲是Python比較常用的一個場景，國際上，google在前期很多地使用Python言語作為網(wǎng)絡爬蟲的根底，帶動了整個Python言語的使用發(fā)展。以前國內許多人用采集器搜刮網(wǎng)上的內容，現(xiàn)在用Python收集網(wǎng)上的信息比以前容易許多了。

Python在這個方面有許多東西上的堆集，無論是用于模仿HTTP請求的Requests、用于HTML DOM解析的PyQuery/BeautifulSoup、用于自動化分布式爬取任務的Scrapy，還是用于最簡化數(shù)據(jù)庫訪問的各種ORM，都使得Python成為數(shù)據(jù)爬取的首選言語之一。特別是，爬取后的數(shù)據(jù)剖析與核算是Python最為擅長的范疇，十分容易整合。目前Python比較流行的網(wǎng)絡爬蟲結構是功用十分強大的scrapy。

5、人工智能(AI)與機器學習

人工智能是現(xiàn)在十分火的一個方向，AI熱潮讓Python言語的未來充滿了無限的潛力?，F(xiàn)在釋放出來的幾個十分有影響力的AI結構，大多是Python的完成，為什么呢?因為Python足夠動態(tài)、具有足夠性能，這是AI技能所需求的技能特點。比如根據(jù)Python的深度學習庫、深度學習方向、機器學習方向、自然言語處理方向的一些網(wǎng)站基本都是經(jīng)過Python來完成的。

機器學習，尤其是現(xiàn)在火爆的深度學習，其東西結構大都提供了Python接口。Python在科學核算范疇一直有著較好的名譽，其簡潔清晰的語法以及豐富的核算東西，深受此范疇開發(fā)者喜歡。

早在深度學習以及Tensorflow等結構流行之前，Python中即有scikit-learn，能夠很便利地完成幾乎一切機器學習模型，從經(jīng)典數(shù)據(jù)集下載到構建模型只需求簡略的幾行代碼。合作Pandas、matplotlib等東西，能很簡略地進行調整。

而Tensorflow、PyTorch、MXNet、Keras等深度學習結構更是極大地拓展了機器學習的可能。使用Keras編寫一個手寫數(shù)字識別的深度學習網(wǎng)絡僅僅需求寥寥數(shù)十行代碼，即可借助底層完成，便利地調用包括GPU在內的很多資源完成工作。

值得一提的是，無論什么結構，Python僅僅作為前端描繪用的言語，實踐核算則是經(jīng)過底層的C/C++完成。因為Python能很便利地引入和使用C/C++項目和庫，然后完成功用和性能上的擴展，這樣的大規(guī)模核算中，讓開發(fā)者更關注邏輯于數(shù)據(jù)自身，而從內存分配等冗雜工作中解放出來，是Python被廣泛使用到機器學習范疇的重要原因。

6、數(shù)據(jù)剖析處理

數(shù)據(jù)剖析處理方面，Python有很齊備的生態(tài)環(huán)境?！按髷?shù)據(jù)”剖析中涉及到的分布式核算、數(shù)據(jù)可視化、數(shù)據(jù)庫操作等，Python中都有老練的模塊能夠挑選完成其功用。關于Hadoop-MapReduce和Spark，都能夠直接使用Python完成核算邏輯。這無論關于數(shù)據(jù)科學家還是關于數(shù)據(jù)工程師而言都是十分便利的。

其中比如Seaborn這樣的可視化庫，能夠僅僅使用一兩行就對數(shù)據(jù)進行繪圖，而利用Pandas和numpy、scipy則能夠簡略地對很多數(shù)據(jù)進行篩選、回歸等核算。而后續(xù)雜亂核算中，對接機器學習相關算法，或許提供Web訪問接口，或是完成長途調用接口，都十分簡略

Python在數(shù)據(jù)剖析處理中典型的使用量化交易，簡略來說就是說借助于強悍的數(shù)學模型數(shù)據(jù)剖析來完成利益最大化損失最小化，目前已經(jīng)有許多很好的結構能夠使用。

7、服務器運維及其它小東西

Python關于服務器運維而言也有十分重要的用處。因為目前幾乎一切Linux發(fā)行版中都自帶了Python解釋器，使用Python腳本進行批量化的文件布置和運轉調整都成了Linux服務器上很不錯的挑選。Python中也包括許多便利的東西，從調控ssh/sftp用的paramiko，到監(jiān)控服務用的supervisor，再到bazel等構建東西，乃至conan等用于C++的包管理東西，Python提供了全方位的東西集合，而在這根底上，結合Web，開發(fā)便利運維的東西會變得十分簡略。

更有意思的是，Python社區(qū)的開發(fā)者們還制造了比如itchat這樣的開發(fā)東西包，你大能夠用微信來管理服務器或是各種服務的運轉。想想看，一個微信機器人，能夠在出現(xiàn)異常時，又或許每天固定時刻匯報服務器或是程序運轉狀況，乃至包括用matplotlib/seaborn制造的圖表，一目了然，而你對它發(fā)上簡簡略單一句話，即可完成對服務器的調整。

8、桌面程序

除此之外，Python也能夠用于桌面軟件開發(fā)(如sublime text等)，乃至移動端開發(fā)(參看kivy)。Python簡潔便利，各種東西包齊全的環(huán)境，能大幅度減少開發(fā)者的擔負。著名的UI結構QT有Python言語的完成版本PyQT。Python簡略易用的特性加上QT的優(yōu)雅，能夠很輕松的開發(fā)界面雜亂的桌面程序，并且能輕松完成跨渠道特性。

9、多媒體使用

能夠用Python里邊的PIL、Piddle、ReportLab 等模塊對圖象、聲響、視頻、動畫等進行處理，還能夠用Python生成動態(tài)圖表和統(tǒng)計剖析圖表。別的，還能夠利用PyOpenGl模塊十分快速有用的編寫出三維場景。

從前為“阿貝斯(Abyss)”、“星際迷航(Star Trek)”、“Indiana Jones”等超級大片制造過特技和動畫的工業(yè)光魔公司(Industrial Light)就采用Python進行商業(yè)動畫制造。然而在很早以前，Python就是一種游戲編程的輔助東西，在《星球大戰(zhàn)》的制造中扮演了重要的人物，現(xiàn)在，徹底能夠經(jīng)過Python寫出十分棒的游戲程序。

最好通過實際項目練手。如果僅是紙上談兵，可能過目就忘，所以最好是要有真實的項目做。注意，真實項目不一定非要是商業(yè)項目，例如自己動手搭建網(wǎng)站，其關鍵是要核心功能完整。最好能找到一個已經(jīng)會 Python 的人。問他一點學習規(guī)劃的建議，然后在遇到卡殼的地方找他指點。這樣會事半功倍。但是，要學會搜索，學會如何更好地提問。