Julia于2018年嶄露頭角，現(xiàn)成為增長速度最快的編程語言之一，因結合幾種主要語言的優(yōu)勢而備受推崇。

Julia最近迎來了1.0版本，其背后的開發(fā)者現(xiàn)在致力于讓它成為機器學習領域的首選語言。

幫助實現(xiàn)這個目標的是Flux，這是一種面向Julia的機器學習軟件庫，旨在使機器學習代碼更易于編寫、簡化訓練過程，并且在GPU和谷歌的張量處理單元(TPU)之類的硬件加速器上提供與競爭性框架相比明顯的性能優(yōu)勢。

如今，Python和R兩大語言通常在機器學習領域占主導地位，就開發(fā)人員當中的人氣指數(shù)而言，Python仍然是增長速度最快的編程語言，這在很大程度上取決于它擁有強大的機器學習框架和庫。相比之下，只有比較少的開發(fā)人員使用剛剛興起的Julia。

話雖如此，Julia背后的團隊表示，他們開發(fā)的這種語言非常適合構建可微分算法，可微分算法是指數(shù)據(jù)驅(qū)動的過程代碼，可用于構建機器學習中所使用的神經(jīng)網(wǎng)絡。

Julia團隊在一篇博文中寫道：“我們需要一種語言來編寫可微分算法，而Flux助力Julia成為這種語言。”

“Julia是針對數(shù)學和數(shù)值計算從頭開始設計的，異常適合表達機器學習算法。與此同時，它融合了編譯器方面的現(xiàn)代設計和新穎想法，因而更容易滿足先進機器學習的高性能要求。”

據(jù)博文聲稱，F(xiàn)lux庫使用各種面向機器學習的工具擴展了Julia的編譯器，支持在性能與開發(fā)人員的控制之間取得更好平衡的一級梯度、面向GPU的即時CUDA內(nèi)核編譯、訓練期間減少開銷的自動批量處理以及便于在谷歌TPU上運行的優(yōu)化。

該團隊表示，Julia連同F(xiàn)lux以及即將推出的可微分編程語言Myia和最近的Swift for Tensorflow，可能很快就會挑戰(zhàn)傳統(tǒng)的機器學習框架和方法。

該團隊寫道：“我們認為，機器學習的未來在于語言和編譯器技術，尤其在于擴展新舊語言以滿足機器學習研究的高要求。”他們補充道，“支持微分、矢量化和異種硬件的”語言將“推動科學領域的諸多進步。”

Julia團隊稱：“這些下一代工具(Myia、Swift/TF和Flux)想成為與現(xiàn)有的對應框架(TensorFlow、PyTorch和Knet)一樣適用于生產(chǎn)環(huán)境還有一段路要走。”

“但如果你在機器學習取得新的突破，它們可能是你最好的選擇。試用一下它們，看看機器學習的未來是什么樣子。”

今年早些時候Julia迎來版本1.0后，這種語言的用戶們大體看好它的進展情況，不過一些人仍對其錯誤處理和說明文檔毫無幫助的現(xiàn)狀感到擔憂。

據(jù)LinkedIn聲稱，機器學習工程師是近幾年發(fā)展速度最快的工作類別，現(xiàn)在有越來越多的免費課程可供想要主攻這個領域的開發(fā)人員使用。

原文標題：Julia vs Python: Which programming language will rule machine learning in 2019?，作者：Nick Heath

標簽： 代碼 谷歌 開發(fā)者 網(wǎng)絡

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。