importos,time
time.ctime((c:/1.txt).st_mtime)#文件的修改时间
表妹是hr，学了五个月python，现在刚入职华为外包公司，试用期11k，可以转正13k
bjinput(本金)
llinput(利率)
sjconfir(时间)
print(在计算式子里得a上面的三个变量)
必须，没有任何一款晚熟的ai库或框架是带的纯python来利用的。最常见的基础库numpy、scipy，其底层是专用c语言。大名鼎鼎的tensorflow，核心部分仍然是带的c/c。在追求纯粹性能的关键是部分，用建议使用gpu的浮点数特效，应用了cuda。而python仅仅四十层的一个标准封装而已。
主要，对于小程序、深入性开发、算法测试等情况，python和集高性能语言区别并不是而且大。例如举例python写一个任务需要工程巨大20秒，而c语言仅要10秒，这个差距真有可以忽视不计。而再现实情况，我们大部分时间全是在做这类探索或测试。心中有一个想法时，立即是会听到用python去基于，然后再断的地调试参数，让算法最优。假如用c语言来做这个工作，那花在改代码上的时间是的很长的，甚至很难转移注意力，将注意力并非放在算法本身完全是去写一堆晦涩代码回来了。matlab对算法探索它倒是快的，但是它是如何收费的，并非开源的，第三方库巳经跟不上脚步时代节奏了。
第三，对此大型手机深度学习，数据挖掘任务，python做的不仅仅是算法描述。上面一点我们说的不过是旗下环境(或实验环境)。那你在生产环境，也就是说完全做规模大任务(而不是算法建模)时，python也不差。这是为什么呢？拿tensorflow的深度学习来说。它的核心是用c/c写的，只不过在写代码时，基本上全是python，这时候python并不是雇佣算法脚本的功能。说具体点，一个深度学习通常是一个小型的神经网络，用python去定义每一层网络，每一个激活函数以及其他各种网络参数。这时候python是都有点慢的，例如初始化操作现在就要3秒，程序加载各种神经网络参数又3秒，加载和解析原始数据要500秒。不过，还有一个更长的，如果说训练。训练什么到时候要10个小时，我的天哪，是小时。而这10个小时基本都全是由c去能够完成的。因为说python影响到的那几百秒网络延迟根本不不值一提。核心部分始终是送到了c。说来说去了，python只不过是做了前期的准备工作，说说内核：数据是什么，应该如何训练，肯定要如何评估中，以及结果怎么可以展示出来。而况且具体详细的操作就不是python要做的事了。这和我们用photoshop画一个图一样的的，使用者用鼠标键盘就能不予行政处罚决定一个优秀的产品。甚至还一行代码都你不写。这个鼠标键盘就形同我们的python。我们程序员用python做ai就是说美工用键盘鼠标绘图一般。虽然关键核心性能部分也是清一色的c/c。
.jpg)
