问TensorFlow有哪些应用实践？

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。