深度學習是一類模式分析方法的統稱，就具體研究內容而言，主要涉及三類方法：基於卷積運算的神經網路系統，即卷積神經網路(CNN)；基於多層神經元的自編碼神經網路，包括自編碼( Auto encoder)以及近年來受到廣泛關注的稀疏編碼兩類( Sparse Coding)；以多層自編碼神經網路的方式進行預訓練，進而結合鑑別資訊進一步最佳化神經網路權值的深度置信網路(DBN)。

而Python是一種跨平臺的計算機程式設計語言。 是一個高層次的結合瞭解釋性、編譯性、互動性和麵向物件的指令碼語言。最初被設計用於編寫自動化指令碼(shell)。正因為python語法簡單，非計算機專業的人員也能很快的上手掌握，並且生態環境良好，包管理成熟，能夠讓你把主要的精力投入到深度學習的演算法分析設計上，所以目前大部分研究人員都在使python。假如未來出現更適合人工智慧開發的程式語言，大家也會去學習。

Python中語法簡單，庫檔案齊全，使得深度學習讓多數人能看的懂！但是想要在數學層面去理解深度學習還是很難。

關於這個問題，可以這樣回答，深度學習是一種內容，而Python是它的其中一種實現方式。

深度學習是機器學習的一個分支，主要是脫胎於當初的神經網路演算法，透過多個隱藏層的處理，達到我們所需要的任務的訓練，得到一個有效的模型。深度學習因為他的有效性，現在被廣泛應用在，CV、NLP、語音識別等方面。

而Python因為他語言的簡潔性和易擴充套件性，被廣泛使用。Python擁有很多科學計算庫，比如numpy，pandas，scipy。視覺化庫matplotlib，Scikit—learn等，可以方便呼叫。也有很多現成的人工智慧開發框架可以直接使用，比如現在比較常用的PyTorch和TensorFlow，Keras，Spark等。

打個比方，用了Python就是不用重複造輪子，如我梯度下降演算法，我可以直接使用現成的自動梯度下降函式，而不用自己重新寫函式。

總結一句，現在的深度學習的實現形式通常是Python，就是用Python程式碼編寫實現我們的深度學習演算法。

深度學習一般指深度神經網路機器學習

可以用python 作為入門級應用 tensorflow pytorch都能夠比較好的在python 環境下支援到深度學習

如果要做改善效能或者改善體驗，其他語言也逐步開始支援深度學習，如c/c++，JavaScript等

簡單來說：

深度學習和人工智慧有關係，他們的關係是這樣的。

但是對於深度學習和python的關係就是：

python作為人工智慧的首選語言，所以學習深度學習也肯定要學習Python語言。