• 首页
  • 首页
  • 公司资讯
  • 江苏三计划官网
  • 让建站和SEO变得简单

    让不懂建站的用户快速建站,让会建站的提高建站效率!

    首页你的位置:江苏三计划 > 首页 > 开垦人员躬行上场:Julia话语搞机器学习和Python比,哪个好用?

    开垦人员躬行上场:Julia话语搞机器学习和Python比,哪个好用?

    发布日期:2022-05-15 15:14    点击次数:112

     

    2022 年,你会选拔哪种编程话语呢?

    前几年就流传着这么一种说法:Julia会替代 Python,成为新的最受迎接的编程话语之一。咱们暂且对这种说法持踯躅立场,但四肢科学筹画方面的刚劲器具,Julia上风果决暴露,这意味着措施员的选拔又多了一种。

    在数据科学、人工智能等畛域,仔细对比Julia和 Python,咱们会发现:疏导的任务,只有 Python 能终了的的,Julia都不错做,而且成果高得多,语法也简陋优雅,仅仅在传播度上,名气还不如 Python。

    近日,reddit 上的一则热帖引来雄壮网友的磋议,这个帖子提到,最近,一些Julia话语包的开垦人员磋议了Julia中 ML 确刻下情景,并将其情景与 Python ML 生态系统进行了比较。

    原贴地址:

    https://www.reddit.com/r/MachineLearning/comments/s1zj44/r_julia_developers_discuss_the_current_state_of/

    来自乌得勒支大学的 JordiBolibar 觉得,「Julia确乎在机器学习方面领有巨大的后劲,但它当今的情景有点休戚各半。更具体地说,我在 SciML 中相持使用Julia的主要原因是,DifferentialEquations.jl 库责任得相称好,但在 Python 中莫得发现任何肖似的东西。可是,关于我的筹商来说,实在可怜的是 AD 部分。自从我驱动使用Julia,我在 Zygote 中遭遇了两个失实,这使我的责任速率放慢了几个月。但我仍然觉得Julia是 SciML 的最好选拔,但这些库(疏淡文档)应该优化的愈加用户友好。」

    网友 @jgreener64 暗示:「Julia中的 ML 在某些畛域诓骗相称刚劲,Julia一切皆有可能。Julia濒临的问题是:Julia中的 ML 需要多数现存学问或多数时候搜索 / 反复查验。在个人层面上,我当今正在用Julia开垦新颖的可微分算法。」

    除了网友的浓烈磋议外,Julia软件包开垦人员 Christopher Rackauckas 围绕以下 7 个问题,解答了网友比较眷注的实质。Rackauckas 是 MIT 和马里兰大学的数学家和药理学家,主要用Julia进行编程。Rackauckas 为Julia、数学和飞速生物学开了极端博客,来先容关连实质,况兼 Rackauckas 在Julia中开垦了一些库,包括(但不限于)DifferentialEquations.jl 和 Pumas。

    Christopher Rackauckas

    问题包括:

    今天Julia中的 ML 在哪些所在真高洁放异彩?在不久的异日该生态系统在哪些方面优于其他流行的 ML 框架(举例 PyTorch、Flax 等),为什么?

    当今Julia的 ML 生态系统在功能或性能方面存在哪些纰谬?Julia在这些畛域变得具有竞争力的时候节点在哪?

    Julia的尺度 ML 包(举例深度学习) 在性能方面与流行的替代决议比拟怎么(更快、更慢、疏导数目级)?

    有莫得紧要的Julia本质,不错针对流行的 ML 替代决议进行基准测试?

    淌若一家公司或机构正在筹商创建职位来为Julia的 ML 生态系统做出孝顺,有莫得最好案例?为什么他们应该这么做?哪些孝顺最有影响力?

    为什么与其他框架迷惑的寂然开垦人员应该筹商为Julia的 ML 生态系统做出孝顺?

    关于某些特定任务,Julia开垦人员倾向于使用哪些软件包?Julia开垦人员但愿添加当今不存在的哪些实质?

    下文中咱们挑选了几个民众比较眷注的问题进行报道:

    问题 3:Julia在「尺度 ML」中的推崇怎么?

    Julia的内核速率很好:在 CPU 上,咱们做得相称好,在 GPU 上,每个人都仅仅调用疏导的 cudnn 等;Julia的 AD 速率也很好。不外 Zygote 可能会有一些支出,但与 Jax/PyTorch/TensorFlow比拟,Zygote 在大多数情况下速率是很快的。具体来说,PyTorch 支出要高得多,在尺度 ML 责任历程中致使无法测量。一个饱和大的矩阵乘法会经管分拨问题或其他 O(n) 问题;Julia不会通内核,因此在大多数基准测试中,淌若用户检察它,就会发现它莫得会通 conv 或 RNN cudnn 调用。

    问题 4:咱们应该追踪哪些紧要的本质和基准?

    XLA 的散播式转换器相称好。当咱们筹商推广时,咱们应该忽略 PyTorch,去筹商 DaggerFlux 与TensorFlow/Jax。XLA 有更多的机动性来转变操作,是以我觉得 XLA 才是赢家,咱们需要使用 e-graphs 技术来匹配它。另一件需要注认识事情即是「自动微分中阑珊中间部分」,这种情况还需要经管。

    问题 7:有什么推选的软件包?

    我倾向于在需要时使用 Flux,但民众已经尽量使用 DiffEqFlux。就现存内核而言,Flux 是最完满的,但它的格调让我感到讨厌。我但愿有一个 Flux 不使用隐式参数,而是使用显式参数。我但愿这些参数由 ComponentArrays 暗示。

     



    Powered by 江苏三计划 @2013-2022 RSS地图 HTML地图

    Copyright 站群系统 © 2013-2021 365建站器 版权所有