人工智能编程心得
- 了解python语言对人工智能程序的影响
- GPU加速
- 保存好程序的中间变量
- 多线程处理数据
了解python语言对人工智能程序的影响
首先，我们要了解业界最常用的一门语言，那就是python，python是一门解释性语言，在人工智能编程的过程中， 我们须知它的底层是依赖C代码实现的，所以我们需要知道，在每次程序运行的过程中，我们需要将python转换为C语言去运行，这需要我们考虑到程序的时间复杂度。尽可能在程序中少写显式的循环而使用内置函数去替代，可以提升程序的运算效率。
2021-07-27更新
至于为什么要选择python语言？听过的其中一个方面是因为python语言的编写比较友好，可以让AI编程者们更关注于算法而不是编程语言的条条框框。
GPU加速
为什么要使用GPU加速？要知道，GPU设计的初衷可是为了进行图形任务。原来，人们发现，用于图形任务的GPU单元上，有非常多的计算单元，而神经网络通常需要进行大规模的计算，于是人们就将GPU算力用于了神经网络训练，大量计算单元的加持下，相较CPU而言，速度大大提升。然而GPU算力需要耗费许多的电力，曾经在自媒体上听某旦的一位教授说，他们有时候实验用电仅一天就耗费一万度，换做人一般是不可能产生这么大规模的用电的。近期爆出矿场的高度用电也说明了GPU算力会带来巨大的能源消耗。
保存好程序的中间变量
人工智能编程一般都存在数据清洗，特征工程等阶段，而这些工作在小规模数据集上每次训练都进行也不会有太大的影响（其实会有）。所以可以把字典啥的，特征向量啥的都存下来（保存变量可以看我的这篇博客），在训练的时候直接加载就行，这样可以减少程序的处理时间，在需要处理大规模的数据时尤为明显。
2021-8-21更新
多线程处理数据
先明白一个前提，由于python的GIL锁（同一时刻只能有一个线程访问CPU ），多线程对于计算密集型程序没有用，因为它一直连续计算，但对I/O密集型程序(延迟IO，网络等)有用，因为切换线程可以避免这类程序的持续等待。在处理大量数据时，我们可以创建多线程进行并发处理。需要关注的是，多线程io要处理好锁的运用，线程也不是越多越好，在工程级的多线程任务中， 需要注意线程池的维护。如果想要简单使用多线程来处理自己的数据，可以参考我的这篇博客。
2021-8-23更新
