智能空间派
很高兴回答你的问题：
Python作为一门公认的胶水编程语言，可想而知没有它不能做的。
之前我学习数据结构及基本算法都是用C做过，像最喜欢考的冒泡排序、二分查找、选择等等，其实后来学了Python后，也尝试过用Python来实现算法编码，效果吧也还不错。
一起来看看吧！之前做的冒泡排序小算法。
例如：又这么个列表list =[1,3,2,7,9,4,2,6,100,89,34,12,38],用冒泡算法排序。
这点上与我们的C语言差不多，除了语法上有出处。
后来又学了人工智能，其实说白了，就是通过算法设计对大量的数据进行分析分类，并调用这些分类的数据与测试数据进行匹配，然后生成想要的新数据或者辨别新数据。
对于神经网络生成新的图片、图像已经不是什么秘密了，但基本上都是些人脸识别、生成人脸啥的。之前得到消息说，古代名画也可以利用计算机生成。可想生成建筑图纸也不是难事。
以图像生成为例，看能否给你启示，需要源码也可以给你。
第一对数据进行预处理
第二创建神经网络
将通过部署以下函数来建立 GANs 的主要组成部分:
生成人脸倒是可以的，但这个效果还不是很好，我想要是改良此算法应用于图纸生成，估计做出来的效果还得返工。如果能把做图纸的一些肢体动作数据记录下来，没准通过软硬件结合，可能会快速实现图纸设计（这样的话，就不是创造了，只是制作了）
科创陈
很高兴收到你的邀请。
首先,Python是一门编程语言，理论上是支持所有算法的改写。
针对你的问题描述，想要通过GANs应用在建筑行业，并且让其根据设定的已知条件来生成对应的图纸。理论上是可行的，这个也仅仅存在于理论上。原因如下。
首先由于机器和人的存在真正的视觉差异，并且机器的深度学习依赖于对抗样本，即真实样本略加扰动而构造出的合成样本。这样就会产生一种现象，假如我们提供一个真实样本，机器通过对抗样本产生对抗网络。这样机器就会将一些原本不存在或者我们没有验证过得一些样本进行归类，我们无法对这一类样本的安全性，准确性进行校验，但是机器却会高度信赖这些样本。其次，真实建筑行业很多都是需要进行各种计算才能得出图纸，比如架构，承重等等。因此假设我们完成了这一算法的研究，那么机器给出的图纸到底可信与否才是我们最终要解决的问题。
另外，关于GANs的相关文献或者资料可以选择去国内外的专题论文文献中查看，如果没权限可以在GitHub上搜索the-gan-zoo。然后直接查看 README.md。可以选择自己想要了解的文献内容去寻找相关答案，目前我的答案或许只是很入门级的观点，希望给你提供的资料能够帮助你一些。
最后，如果这个设想能够成功，这一研究经费恐怕无法想象,这一技术也是历史性的突破，希望我有机会见证。
蜜蜂攻城狮
难点并不在程序语言，而在于建筑设计图纸并未标准化。
麦秸笔记
可以训练这样的模型，生成的结果符合设定规则，但是不太可能实用，因为在实际设计中有很多理论以外的条件和经验，这些并不能通过模型来实现，如果只是利用这个模型生成一些思路的话倒是可以参考。
榻榻米的榻榻
想的太简单了
