TensorFlow是一个强大的面向数据流的机器学习库,由谷歌的Brain Team创建,于2015年开源,被设计成易于使用和广泛应用于数字和神经网络的问题以及其他领域,现如今又哪些应用和实践呢?
因为pypy不是100%兼容的,需要8个ram来编译,是一个移动的目标,而且是高度实验性的,cpython是稳定的,二十年来模块构建者的默认目标(包括不能在pypy上工作的c扩展),并已被广泛部署。
Pypy可能永远不会成为参考实现,但它是一个很好的工具。
正如其他人所说的,PyPy 对C扩展的支持很少。它有支持,但通常速度比Python慢,而且最好也是如此。因此很多模块只需要 CPython。Cython和Numpy 对于数字来说非常棒,而且大多数真正需要Python速度的人都会大量使用那些(+ Pandas,SciPy等)。由于它们要么是不存在的,要么是得到很少的支持,并且需要快速Python的人速度更慢,而且使用CPython的速度和易用性往往更好。
Python 3支持目前是实验性的。 刚刚达到稳定!截至2014年6月20日,PyPy3 2.3.1 - 支点出局!
PyPy有时并不真正更快“脚本”,其中有很多人使用Python进行。这些是短小的程序,可以做一些简单而小巧的事情。由于PyPy是一个JIT编译器,它的主要优点来自长时间运行和简单的类型(如数字)。坦率地说,与CPython相比,PyPy的pre-JIT速度相当糟糕。
惯性。转移到PyPy通常需要重新安装,对于某些人员和组织来说,这只是太多的工作。
这是影响我的主要原因,我会说。
PS:这个问题是古老的!避免从过时的信息中得出结论。