智能空間派
很高興回答你的問題：
Python作為一門公認的膠水編程語言，可想而知沒有它不能做的。
之前我學習數據結構及基本算法都是用C做過，像最喜歡考的冒泡排序、二分查找、選擇等等，其實後來學了Python後，也嘗試過用Python來實現算法編碼，效果吧也還不錯。
一起來看看吧！之前做的冒泡排序小算法。
例如：又這麼個列表list =[1,3,2,7,9,4,2,6,100,89,34,12,38],用冒泡算法排序。
這點上與我們的C語言差不多，除了語法上有出處。
後來又學了人工智能，其實說白了，就是通過算法設計對大量的數據進行分析分類，並調用這些分類的數據與測試數據進行匹配，然後生成想要的新數據或者辨別新數據。
對於神經網絡生成新的圖片、圖像已經不是什麼秘密了，但基本上都是些人臉識別、生成人臉啥的。之前得到消息說，古代名畫也可以利用計算機生成。可想生成建築圖紙也不是難事。
以圖像生成為例，看能否給你啟示，需要源碼也可以給你。
第一對數據進行預處理
第二創建神經網絡
將通過部署以下函數來建立 GANs 的主要組成部分:
生成人臉倒是可以的，但這個效果還不是很好，我想要是改良此算法應用於圖紙生成，估計做出來的效果還得返工。如果能把做圖紙的一些肢體動作數據記錄下來，沒準通過軟硬件結合，可能會快速實現圖紙設計（這樣的話，就不是創造了，只是製作了）
科創陳
很高興收到你的邀請。
首先,Python是一門編程語言，理論上是支持所有算法的改寫。
針對你的問題描述，想要通過GANs應用在建築行業，並且讓其根據設定的已知條件來生成對應的圖紙。理論上是可行的，這個也僅僅存在於理論上。原因如下。
首先由於機器和人的存在真正的視覺差異，並且機器的深度學習依賴於對抗樣本，即真實樣本略加擾動而構造出的合成樣本。這樣就會產生一種現象，假如我們提供一個真實樣本，機器通過對抗樣本產生對抗網絡。這樣機器就會將一些原本不存在或者我們沒有驗證過得一些樣本進行歸類，我們無法對這一類樣本的安全性，準確性進行校驗，但是機器卻會高度信賴這些樣本。其次，真實建築行業很多都是需要進行各種計算才能得出圖紙，比如架構，承重等等。因此假設我們完成了這一算法的研究，那麼機器給出的圖紙到底可信與否才是我們最終要解決的問題。
另外，關於GANs的相關文獻或者資料可以選擇去國內外的專題論文文獻中查看，如果沒權限可以在GitHub上搜索the-gan-zoo。然後直接查看 README.md。可以選擇自己想要了解的文獻內容去尋找相關答案，目前我的答案或許只是很入門級的觀點，希望給你提供的資料能夠幫助你一些。
最後，如果這個設想能夠成功，這一研究經費恐怕無法想象,這一技術也是歷史性的突破，希望我有機會見證。
蜜蜂攻城獅
難點並不在程序語言，而在於建築設計圖紙並未標準化。
麥秸筆記
可以訓練這樣的模型，生成的結果符合設定規則，但是不太可能實用，因為在實際設計中有很多理論以外的條件和經驗，這些並不能通過模型來實現，如果只是利用這個模型生成一些思路的話倒是可以參考。
榻榻米的榻榻
想的太簡單了
