Deep learning はなぜ pythonで実装されることが多いのですか？

インターネットで調べると、deep learningやmachine learningはpython で実装されることが多いですよね。
他のライブラリに比べて圧倒的に多いようですが、それはなぜなのでしょうか？

ご存知の方がいらっしゃいましたら、ご教示ください。

行動規範の内容に同意します

回答3件

ベストアンサー

私の勝手な推測ですが、numpyのおかげと思っています。

Pythonにはnumpyというライブラリがあります。このnumpyは数値計算を高速に行う事ができるライブラリです。通常、Pythonのようなスクリプト言語で数値計算を行うと、インタプリンタが色々としている分、C/C++に比べてどうしても遅くなってしまいます。しかし、numpyを使えば行列計算や高水準数学関数がC/C++並の速さで行うことができます。ディープラーニングと言ってもただの高度な計算の塊です。numpyを使えばC/C++並の速さでそれらを実現できます。速さの面で、Pythonは不利では無くなります。

では、C/C++ではなく、なぜPythonなのか？まずは、コンパイルがいらないことが一つです。ディープラーニングのような研究段階の途上にあるようなものは、何度も修正と実行が必要であり、その都度コンパイルすることはかなりの手間です。しかし、Pythonならすぐに試すことができます。そして、PythonであればC/C++のようにおまじないのような部分が少ないです。本当に重要な計算部分以外はなるべく簡易に、すばやく実装したいと考えます。そして、値の入力とか、計算部分以外は高速である必要は全くありません。C/C++の方がそういった部分が速くなりますが、Pythonに比べると注意深く書く必要があり、エラー処理とかを含めるとコード量も多くなってしまいます。Pythonであれば、計算部分に重心を据えてコーディングできるということです。

こうして多くの人がPythonとnumpyを使い、そういった人たちがもっと便利になるようなライブラリを同じくPythonとnumpy用に書き上げ、それらを使う人が同じようPythonとnumpyを使うという循環構造ができあがりました。それらの相乗効果によって、ディープラーニングをするならPythonという図式ができあがったのだと思われます。

投稿2016/04/25 22:32

raccy

総合スコア21737

LaLaLand

2016/04/26 14:42

> では、C/C++ではなく、なぜPythonなのか？まずは、コンパイルがいらない > ことが一つです。ディープラーニングのような研究段階の途上にあるような > ものは、何度も修正と実行が必要であり、その都度コンパイルすることは > かなりの手間です。しかし、Pythonならすぐに試すことができます。これは盲点でした。私は今までjavascript以外コンパイラ言語しか使ったことなかったので。あまり意識したこともありませんでした。言われてみると、重要ですね。

elda

2017/07/07 18:36 編集

「書かれている」の定義が曖昧ですが、回答者3人ともライブラリそのものを書いている言語について述べているので、補足させていただきます。 Pythonで書かれたライブラリのバックエンドには必ずCもしくはC++が動いています（例外としてバックエンドにtensorflowやTheanoを用いているkerasがありますが、これは大勢ではありません）。例えば、githubを見ると、最近落ち目ですがcaffeは87.5%がC++で書かれていますし、tensorflowは47.5%、最近出たnnablaも51.4%はC++で書かれています。一方で、Theanoは5.4%のCで構成されているようですので必ずしもC++が筆頭言語として使わているようでは無いようですが、上記の通りCもしくはC++で書かれることが一般的です。 > ディープラーニングと言ってもただの高度な計算の塊です。numpyを使えばC/C++並の速さでそれらを実現できます。速さの面で、Pythonは不利では無くなります。計算の塊という所にポイントが有り、numpyも内部ではCやfortranが動いているため、numpyだけ実装しようとすれば相当量のオーバーヘッドが発生するでしょう。ちなみに、前述のライブラリ全てに共通することですが、この計算の塊を実装する上でGPUを用いた実装の場合はCuBlas、CuDnnを使うことが一般的で、これらはC言語のライブラリ（厳密には違いますがインタフェースはC言語ですね）です。 > では、C/C++ではなく、なぜPythonなのか？まずは、コンパイルがいらない > ことが一つです。ディープラーニングのような研究段階の途上にあるような > ものは、何度も修正と実行が必要であり、その都度コンパイルすることは > かなりの手間です。しかし、Pythonならすぐに試すことができます。ただ、これについては概ね正しいと思います。静的型付きの言語で書くと結構手間がかかりますので。

行動規範の内容に同意します

ちょっと検索したらこんなQ&Aが見つかりました。

What is the best language to use while learning machine learning for the first time?

マシンラーニングの現役技術者たちがいろいろと述べていますが、全体的な意見としては圧倒的に Python 推しですね。その理由は、オープンソースプロジェクトとして最も多くのマシンラーニングライブラリ開発が進行中であること、必ずしもプログラミングの専門家ではない科学者たちにとって C/C++ よりもコーディングが容易であること、スクリプト言語ではあるがマシンラーニングに必要な計算ライブラリ等が高度にチューニングされていて高いパフォーマンスを発揮していることなどが挙げられていますね。

そもそもなぜ多くのオープンソースプロジェクトが立ち上がったのか、という点については、raccy さんも挙げていらっしゃる Numpy と、Scipy という2つのパッケージの存在が指摘されていました。また、R言語ベースの統計解析ライブラリとの連携がとても簡単という点も評価が高いようです。

マシンラーニングでつかわれるような高度に抽象化された数学的計算ライブラリとしてMatlabが有名ですが、これはとても優れた機能を提供している反面、ライセンスが高額（現在でも個人向けライセンスが約30万円／人）であることが難点と言われています。

マシンラーニングの基礎や応用分野の研究者たちは、潤沢な資金を持っていない学術研究者などが多くいますから、彼らにとってすべて無償で入手し、開発し、再頒布できるPythonは最適解だったのではないでしょうか。

投稿2016/04/25 23:27

tkanda

総合スコア2425

LaLaLand

2016/04/26 14:36

"多く"のマシンラーニングライブラリがあるために・・・ってことですか。確かに紹介いただいた Numpy, Scipy というのは便利そうでした。

行動規範の内容に同意します

人口知能 python
で google 検索してみました。

人工知能（AI）ならPython。その理由が分かった「みんなのPython勉強会」の夜 http://www.creativevillage.ne.jp/10524

...
(pythone は) 海外ではJava、C言語に次ぐ人気で、自動運転などのAIやビッグデータ解析の分野では欠かせなくなっているそう。
Rubyの思想とは逆で、コーディングの自由度を少なくしているから、初心者もエキスパートも無く、誰が書いても同じようなコードになる上、使えるライブラリが充実していることが魅力となっているとか。

作業効率が格段に上がるので、時間も開発費用も削減できるといういいことずくめ。なるほど。