كيف تحولت من Python إلى Julia (ولماذا)

خلفية صغيرة عن Python

ما هو جيد numpy؟

np.count_nonzero(x[:-1] - x[1:]) 

1. نومبا جيت. إذا عملت كما هو موضح في صفحة عنوان Numba ، أعتقد أنه سيكون من المفيد إنهاء القصة هنا. كنت قد نسيت بعض الشيء في الماضي أن الخطأ الذي حدث لها ؛ خلاصة القول هي أن التسارع لم يكن مثيرًا للإعجاب كما توقعت ، للأسف.
2. سيثون. حسنًا ، ارفعوا أيديكم أولئك الذين يعتقدون أن cython هو حل جميل وأنيق حقًا لا يدمر معنى وروح Python؟ لا أعتقد ذلك. إذا وصلت إلى Cython ، يمكنك بالفعل التوقف عن خداع نفسك والتحول إلى شيء أقل تعقيدًا مثل C ++ و C.
3. أعد كتابة الاختناقات في C وانتزعها من Python المحبوب. حسنًا ، ولكن ماذا لو كان لدي البرنامج بأكمله - كل شيء يتعلق بالحسابات والاختناقات؟ شي لا تقدم! أنا لا أتحدث عن حقيقة أنه في هذا الحل لا تحتاج إلى معرفة لغة واحدة فحسب ، بل لغتين - Python و C.

هنا يأتي جوليا!

1. فورتران . ولا تضحك ، من منا لم يسحب BLAS / LAPACK من لغاتنا المفضلة؟ فورتران هي لغة جيدة حقا (أفضل SI!) للحوسبة العلمية. لم أفهم ذلك لأنه منذ زمن فورتران تم اختراع أشياء كثيرة وإضافتها إلى لغات البرمجة. كنت آمل في شيء أكثر حداثة.
2. يعاني R من نفس المشاكل مثل Python (vectorization).
3. ماتلاب - ربما نعم ، ليس لديّ أي أموال للتحقق.
4. جوليا - الحصان مظلم ، سيقلع ، لن ينطلق (وكان من الطبيعي حتى الإصدار 1.0 المستقر)

بعض مزايا جوليا الواضحة

1. يبدو أن Python ، على الأقل نفس "المستوى العالي" ، مع القدرة ، إذا لزم الأمر ، على النزول إلى أجزاء في الأرقام.
2. لا ضجة مع تخصيصات الذاكرة وما شابه ذلك.
3. نظام نوع قوي. يتم وصف الأنواع اختياريًا ومجرّدًا جدًا. يمكن كتابة البرنامج دون تحديد نوع واحد - وإذا قمت بذلك ، فسيكون قادرًا على القيام بذلك بسرعة. ولكن هناك فروق دقيقة.
4. من السهل كتابة أنواع مخصصة ستكون بنفس سرعة الأنواع المدمجة.
5. إرسال متعددة. يمكنك التحدث عن هذا لساعات ، ولكن في رأيي - هذا هو أفضل ما تملكه جوليا ، فهو الأساس لتصميم جميع البرامج وبشكل عام أساس فلسفة اللغة.
   بفضل الإرسال المتعدد ، تتم كتابة العديد من الأشياء بشكل موحد للغاية.
   
   
   أمثلة إرسال متعددة

    rand() #       0  1 rand(10) #   10     0  1 rand(3,5) #   3  5   .... using Distributions d = Normal() #     0, 1 rand(d) #     rand(d, 10) #   10 ...    

   
   أي أن الوسيطة الأولى يمكن أن تكون أي توزيع (أحادي البعد) من التوزيعات ، لكن استدعاء الوظيفة سيظل حرفياً كما هو. وليس فقط التوزيع (من الممكن إرسال RNG نفسه ككائن MersenneTwister وأكثر من ذلك بكثير). مثال آخر (في رأيي ، توضيحية) هو التنقل في DataFrames بدون loc / iloc.
   
6. 6. المصفوفات هي أصلية ، مدمجة. المتجه من خارج منطقة الجزاء.
   

سلبيات الصمت حول أي جريمة ستكون!

1. لغة جديدة. من ناحية ، بالطبع ، ناقص. في شيء ، ربما غير ناضج. من ناحية أخرى ، أخذ في الاعتبار أشعل النار في العديد من اللغات الماضية ، ويقف "على أكتاف العمالقة" ، وقد استوعب الكثير من الأشياء المثيرة للاهتمام والجديدة.
2. من غير المحتمل أن تكتب البرامج السريعة على الفور. هناك بعض الأشياء غير الواضحة التي يسهل التعامل معها: تخطو على أشعل النار ، تطلب المساعدة من المجتمع ، تخطو مرة أخرى ... إلخ. هذه هي بشكل رئيسي عدم استقرار النوع ، وعدم استقرار النوع ، والمتغيرات العالمية. بشكل عام ، بقدر ما أستطيع أن أقول بنفسي ، فإن المبرمج الذي يريد أن يكتب بسرعة في جوليا يمر بعدة مراحل: أ) يكتب في بايثون. هذا رائع ، وهو كذلك ، ولكن في بعض الأحيان ستكون هناك مشاكل في الأداء. ب) يكتب كما في ج: يصف الأنواع يدويًا كلما أمكن ذلك. ج) يتفهم تدريجيًا حيث يكون من الضروري (المقاس جدًا) وصف الأنواع ، وأين تتدخل.
3. النظام البيئي بعض الطرود خام ، بمعنى أنه في مكان ما يسقط شيء ما باستمرار ؛ بعضها ناضج ، ولكن غير متناسق مع بعضها البعض (التحويل إلى أنواع أخرى ضروري ، على سبيل المثال). من ناحية ، من الواضح أن هذا سيئ. من ناحية أخرى ، لدى جوليا الكثير من الأفكار المثيرة للاهتمام والجريئة لمجرد أن "نقف على أكتاف العمالقة" - تراكمت لدينا خبرة هائلة في السير على أشعل النار و "كيفية عدم القيام بذلك" ، ويتم أخذ ذلك في الاعتبار (جزئيًا) من قبل مطوري الحزم.
4. صفائف ترقيم من 1. ها ، يمزح ، هذا بالطبع زائد! لا ، حسنًا ، على محمل الجد ، ما الأمر ، مع أي مؤشر يبدأ الترقيم؟ تعتاد عليه في 5 دقائق. لا أحد يشكو من أن الأعداد الصحيحة تسمى أعداد صحيحة ، وليس كلها. هذه كلها مسائل ذوق. ونعم ، خذ على الأقل نفس Cormen وفقًا للخوارزميات - كل شيء مرقم من هناك ، وأحيانًا يكون من غير المناسب إعادة استخدامه في Python على العكس.

حسنا ، لماذا السرعة؟

 def process_fft(x, boundary): return np.count_nonzero(np.abs(np.fft.fft(2*x-1)) > boundary) %timeit process_fft(x, 2000) 84.1 ms ± 335 µs per loop (mean ± std. dev. of 7 runs, 10 loops each) 

 function process_fft(x, boundary) count(t -> t > boundary, abs.(fft(2*x.-1))) end @benchmark process_fft(x, 2000) BenchmarkTools.Trial: memory estimate: 106.81 MiB allocs estimate: 61 -------------- minimum time: 80.233 ms (4.75% GC) median time: 80.746 ms (4.70% GC) mean time: 85.000 ms (8.67% GC) maximum time: 205.831 ms (52.27% GC) -------------- samples: 59 evals/sample: 1 

 def longest(x): maxLen = 0 currLen = 0 # This will count the number of ones in the block for bit in x: if bit == 1: currLen += 1 maxLen = max(maxLen, currLen) else: maxLen = max(maxLen, currLen) currLen = 0 return max(maxLen, currLen) %timeit longest(x) 599 ms ± 639 µs per loop (mean ± std. dev. of 7 runs, 1 loop each) 

 function longest(x) maxLen = 0 currLen = 0 # This will count the number of ones in the block for bit in x if bit == 1 currLen += 1 maxLen = max(maxLen, currLen) else maxLen = max(maxLen, currLen) currLen = 0 end end return max(maxLen, currLen) end @benchmark longest(x) BenchmarkTools.Trial: memory estimate: 0 bytes allocs estimate: 0 -------------- minimum time: 9.094 ms (0.00% GC) median time: 9.248 ms (0.00% GC) mean time: 9.319 ms (0.00% GC) maximum time: 12.177 ms (0.00% GC) -------------- samples: 536 evals/sample: 1 

ما خرج في النهاية؟

لماذا كتبت كل هذا؟