3.14.2
3.有一个稳定版本, 它是编程语言在2025年12月5日发布的, 它是14.2, 它属于3.14系列, 是该系列第二轮维护更新版本。这个版本, 包含18项修复, 这些修复着重处理的回归问题, 是多进程以及数据类还有正则表达式这些相关模块方面的。并且它修复了安全漏洞, 像比如像CVE这种编号为2025 - 12084的、等的安全漏洞。这个版本具有重要意义，它标志着自由线程模式, 也就是移除GIL这种模式正式得到官方支持, 它是发展进程当中一个重要的标志转折等的里程碑。
下载
有哪些特性让科学计算的开发者们这么喜欢？
回复内容：总结：好写、支持全面、好调、速度不慢。
1. 写程序很方便, 是因为有一种解释语言, 举个具体事例来讲, 在编译语言C等里面, 要写一个矩阵乘法, 得自己去分配操作数也就是矩阵的内存, 还要继续分配结果的内存, 然后手动对BLAS接口调用gemm, 最后要是没使用smart, 那就还得手动去回收内存空间, 这过程几乎就等同于numpy里numpy.dot的两句话所达之事有一样的性质。
(2015 - 5 - 7), 当然, 如今不少面向C/C++的库已然对托管内存管理予以支持, 于此当下使得开发进程简便了些许, 然而, 解释语言依旧蕴含有与生俱来的优势所在——无需那般历经编译所耗费的时长进程区间, 这样一个特质特性特征属性之于机器学习那种涉及海量及多次重复往复循回循环循环往复的研究方向领域类别范畴而言, 是具备相当有益之功效效能效应作用助益的有助于提升工作效率的有积极效果及影响力推动力具备正向作用的。
2. 其开发生态走向成熟, 存在诸多极具实用价值的库可供运用, 除了预先提及的NumPy之外, 另外还有SciPy、NLTK以及os（自带的）等等, 诸如此类, 情形不一而足了。灵活多变的语法另外还致使涵盖文本操作、list / dict等极为实用的功能能够极易达成高效实现（无论是编写效率还是运行效率都具备较高水准）, 其与相关事物配合使用起来更为便利, 这同样是良性生态潜藏背后的一大缘由了。就相比较而言, Lua尽管其同样属于解释语言, 甚至有着那样的神器予以加持, 然而它自身却很难达成这般情况, 一方面是由于存在着那个前辈占据着市场份额, 另一方面也是因为它自身有着种种违背常理的设计, 像是全局变量之类。不过借着Lua-以及Torch的某种助力, Lua似乎也在以一种依附的方式兴起。
3. 写程序, 对于做机器学习的人而言是极为重要的, 因为做机器学习的人常常需要针对模型展开各种各样的修改, 而在编译语言里这样的修改很可能是那种牵一发而动全身的状况, 并且在做机器学习里通常能够运用很少的时间予以实现。
4. 效率不存在差的情况, 语言发展远超许多人想象, 像list这类语法糖多贴近内核实现, 除JIT外还有大幅提升运行效率的因素, 得益于对C的接口, 诸多高效且接口友好的库能加速程序运行, 在强大团队支撑下, 这些库的效率或许比不熟练程序员用C写一个月调优的效率更高。
原生并非自身携带 JIT, 欲使用 JIT 的同学, 可以瞧瞧 PyPy 和 Numba。（对于借评论中 @刘慎修 同学指出）的性能欠佳请勿用于洗刷, 确实不佳, 于网络框架里 性能对照 C/C++ 、Java 大约要差十几乃至几十倍。
然而它仍然可以流行是它对解决问题非常友好。
这原因其中包括 本身的易用优势和强大的工具库储备。
比如：
制作安全的想要发送一个探测包, 能够将协议栈的全部操作都完整封装起来, 使用的人仅仅关注真正应当关注的要发给谁以及发送什么样的数据, 这实际上是极为高效的。
而文本操作也同样省去了许多不需要重复做的事情。
这一点所具备的诱惑着实是极为巨大的，诚如技多不压身道理所讲那般, 然而就做研究以及从事探索的角度而言, 时间与精力实际上真的是异常宝贵的, 把节省下来的那些时间用于思考真正应当去解决的问题才可称作是众人所需要的。
终究而言, 编程语言不过是工具而已, 所说的精通某一种编程语言, 乃是对于工具运用的娴熟程度, 而明白该处理何种问题, 这可是另外一回事。
那机器学习的研究, 完全是另外一回事, 对于这一回事来讲, 选用什么并不是关键所在, 关键在于哪种能够节省掉那些不必要的精力耗费, 那就选用哪种, 原因是存在着更多更为重要的事情亟待去做, 一味纠结于编程语言底层究竟怎样去操作并非此处需要关注的, 既没有必要也不应当如此。它是开展机器相关研究的极为出色的语言, 几乎可以说是独一无二的。然而, 其价格颇为高昂。于是乎, 学者们便把目光转向了。
有一位从事机器学习方面研究工作的学者, 然而他并非是计算机专业毕业的。对于他来讲, 最为直接的那种需求便是, 把自身所拥有的想法从公式转变为计算机语言, 进而能够进行运行就可以了。而这一次的转变过程当中, 所需要投入的额外精力越少越好这般才是可以的。
那么, 一开始, 于算法落实的进程里, 依照程序语言的准则以及规避程序语言的圈套, 这份劳作是要用去精力的, 那程序语言自身的规划, 能够协助使用者躲开数目不算少的圈套, 而甭去操心声明变量, 释放内存这类非计算专业学者觉得的“琐碎之事”。
其次, 从数学符号转变到计算机语言这件事本身, 也是要耗费精力的。要是能给研究人员一种这样的错觉: “编写程序, 就是把公式用另一种语言再重新写一回就行”, 这是较为完美的。能够提供的这种错觉, 相较于其他语言, 是较为偏高的。主要凭借自身的特色以及一些开源的算法库。首先, 提供了, 学者理解这个泛型几乎用不着眨眼吧。然后, 全称量词。
怎的, 居然个for in也能够予以解释, 虽说略微有那么点怪异之感，不过也还算是能够接纳的。最终, 一大批的库汹涌而来, 有SciPy、Numpy等等之类的。使得编写程序跟编写那个公式一样有着畅快之感。
走到这儿, 这位学者有点难以安稳就坐了。觉着这个还可以, 先瞧瞧价格, 你猜猜怎样, 免费！这位学者马上猛地一拍大腿, 就选她了。就在这个时候, 忽然有一道亮光快速闪过, 女神现身在他跟前: “多谢您做出选择, 我们另外还有超级大礼包赠送给您哦”。
首先, 您所发表的论文是存在一个图的吧? 来来来 , 这里有着一个去拿。所画然而出的图尤其独特地呈现出一种萌萌哒的状态。
您平常搞研究的时候, 是不是还会做个笔记之类的, 来来来, 这儿有一个, 拿去, 拿来做笔记也超级可爱。, 刚才不小心忘了跟你讲了。稍微转变一下形式, 可以拿来用做这个。像这样, 等你去参加会议的时候, 用它来用 也特别可爱。
还有, 也会把网络蜘蛛提供出来, 还有函数式编程也会提供, 只要您有需要, 同样能提供, 而且是免费的！
“希望您使用愉快！”
这时候，这个学者厚重的眼镜片下，充满了泪水。
－－－－
以上, 依照自身理解进行了一番回答, 或许存在诸多不够严谨之处, 还望予以海涵, 原本打算认认真真地回答一回, 然而答着答着就愈发不那么正经了, 大法是很好的, 这属于众多机器学习程序猿所达成的共识, 楼上已经阐述了在语言特性方面所具备的优点, 在此处补充一下关于对深度学习的支持情况。
这是一个有着开源代码库所基于的内容, 主要优势就, 是同各种工具箱相比, 在于能够借助GPU进行加速。相比较来说, 对方的GPU支持不够情况存在, 这便将其在深度学习方面的应用前景给限制住了。
Caffe: 当下最为热门的深度学习框架, 它是用C++编写而成的, 不过它提供了某些接口, 虽说有这些接口, 然而用过的人想必都清楚, 那些接口着实很普通, 与之相比, 另一些接口做得相当不错, 提供了各类操作, 这同样致使大部分人都在使用这些另一些接口---特别是在某个的概念出现之后。实际上原因在于, 从事机器学习的人员, 大部分都不擅长编写代码, 实际上使用起来比较好的也就那么几个, 无非就是好学, 生产力较高, 适合开展科研以及制作原型。
你看博士最乐意用的不也是这样吗。语言特性的话，就两点。
1、是解释性语言，入门比较简单，语法比较优美。
2、利用开发相对而言比较迅速。需要明白机器学习的开发, 重点在于有了一个想法之后马上运用代码去达成从而验证算法具有可操作性以及优越性。但C++这类效率品类语言, 开发迟缓, 并且代码维护困难重重。
在我个人看来, 进行选择时, 最为关键的并非其语言特性, 而是由于社区存在比较情况, 并且当前科学计算这一方面属于大方向。
有着诸多像 -learn 这般成熟的机器学习包, 还有分别是 Numpy、Scipy, 以及 Numba、Pypy 等待能够大幅提升科学计算速度的包, 方便开发人员疾速开发机器学习算法, 且当碰到问题之际, 还能去寻觅社区里厉害之人的帮助。
-----------------------------------------------------------------------------------------------------------------------------
最后一句，大法好。
这真的确确实实是最终的那一句了, 人生在世, 时日苦短, 而我加以运用。仅仅就拿一个实例来说, 在-learn当中调用svm从而进行预测:
from svm
# 进行训练
clf = svm.SVC()
clf.fit(, )
# 对新的数据进行预测
clf.(new_x)
存不存在相较于这个而言, 更具傻瓜化特质的机器学习包呢? 它适宜用于开展某些简易的数据预处理工作, 亦或是一些仅需运行一两次的简易任务, 然而在进行核心数据计算时, 其与C++的效率相比, 差距极为显著 (能够实现一定程度的提速, 不过其中存在诸多难点, 要想将程序编写得快速, 并不比直接编写C++轻松)。
对于机器学习而言, 主程序起码得执行几十回, 甚至要有成百上千回, 去撰写程序所省下的那微乎其微不多点便利程度, 却是在运行程序去调理参数等来等待结果时候流淌下的痛苦眼泪。
提及伴随着C++11/14新特性的引用这一情况, 来讲, 书写的时候并不会显得更为麻烦, 在进行多线程并行构建这一操作之上, 也会比以往要便捷了许多, 曾经在昔日上课之际参与的作业, 初次所完成的一份作业乃是书写一个SVM，那种感觉畅快得犹如翱翔了起来, 在这之前自身运用C语言去撰写一个相同的东西, 真是令人厌恶到了极点。
先来讲画图, 它是多么简单呀。要用C++? 那就先去安装个Qt, 接着在里头进行调用然后来画吧您。
咱暂且不提 blas 以及与之相关的那些事物究竟有多么繁杂难搞, 撇开那类东西不谈, 就只说那某个玩意儿, 不说也罢, 嘿嘿呵……
免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 的核心概念和高级技巧！
