क्यों डीप लर्निंग में स्विफ्ट एक बड़ी घटना बन सकती है

नमस्कार, हेब्र! मैं आपके लिए मैक्स पाइकिनकिन द्वारा लेख "व्हाई स्विफ्ट मे बी द नेक्स्ट बिग थिंग इन डीप लर्निंग" का अनुवाद प्रस्तुत किया, जिसमें मेरी दिलचस्पी थी, जिसमें लेखक उस भाषा पर चर्चा करता है जिसमें आने वाले वर्षों में गहन प्रशिक्षण किया जाएगा।

यदि आप गहन प्रशिक्षण कर रहे हैं, तो सबसे अधिक संभावना है कि आप स्विफ्ट सीखना शुरू करें

प्रविष्टि

यदि आप प्रोग्रामिंग कर रहे हैं, तो सबसे अधिक संभावना है जब आप स्विफ्ट सुनते हैं, तो आप आईओएस और मैकओएस पर एप्लिकेशन विकसित करने के बारे में सोचते हैं। यदि आप गहन प्रशिक्षण में हैं, तो आपको स्विफ्ट फॉर टेन्सरफ्लो (S4TF) के बारे में सुनना चाहिए था। तब आप आश्चर्यचकित हो सकते हैं, “Google ने स्विफ्ट के लिए TensorFlow का एक संस्करण क्यों बनाया? आखिरकार, पायथन और सी ++ के लिए पहले से ही संस्करण हैं, फिर दूसरी भाषा क्यों? " इस पोस्ट में, मैं इस प्रश्न का उत्तर देने का प्रयास करूंगा और उन कारणों को बताऊंगा कि आपको S4TF की बारीकी से निगरानी क्यों करनी चाहिए, साथ ही साथ स्वाइप करें। मैं एक विस्तृत विश्लेषण करने की कोशिश नहीं करूंगा, मैं केवल बहुत सी लिंक के साथ बड़ी तस्वीर का वर्णन करने की कोशिश करूंगा, अगर आप रुचि रखते हैं, तो आप गहरी खुदाई कर सकते हैं।

स्विफ्ट को बहुत मजबूत समर्थन है

स्विफ्ट को क्रिस लुटनर ने तब बनाया था जब उन्होंने Apple में काम किया था। अब क्रिस Google ब्रेन (दुनिया की सर्वश्रेष्ठ कृत्रिम बुद्धिमत्ता अनुसंधान टीमों में से एक) के लिए काम करता है। बहुत तथ्य यह है कि स्विफ्ट भाषा का निर्माता अब प्रयोगशाला में काम कर रहा है, जो गहन प्रशिक्षण में लगा हुआ है, इस परियोजना की गंभीरता के बारे में बोलता है।

कुछ समय पहले, Google में लोगों ने महसूस किया कि भले ही पायथन और एक अद्भुत भाषा है, फिर भी इसमें बहुत सारे प्रतिबंध हैं जिन्हें दूर करना मुश्किल है। TensorFlow के लिए एक नई भाषा की आवश्यकता थी, और बहुत विचार-विमर्श के बाद, स्विफ्ट को एक उम्मीदवार के रूप में चुना गया था। मैं यहां विवरण में नहीं जाऊंगा, लेकिन यहां एक दस्तावेज है जो पायथन दोषों का वर्णन करता है, साथ ही साथ अन्य भाषाओं पर क्या विचार किया गया था और स्विफ्ट में यह सब एक साथ कैसे आया।

TensorFlow के लिए स्विफ्ट सिर्फ एक पुस्तकालय से बहुत अधिक है

TensorFlow के लिए स्विफ्ट अभी तक किसी अन्य भाषा के लिए TF नहीं है। यह मूल रूप से स्विफ्ट भाषा की ही एक अन्य शाखा ( गिट समझ में) है। इसका मतलब यह है कि एस 4 टीएफ एक पुस्तकालय नहीं है; यह अपने स्वयं के नियमों के साथ एक भाषा है, अपने स्वयं के अंतर्निहित कार्यों के साथ जो TensorFlow द्वारा आवश्यक सभी कार्यक्षमता का समर्थन करते हैं। उदाहरण के लिए, एस 4 टीएफ में स्वचालित भेदभाव की एक बहुत शक्तिशाली प्रणाली है: यह गहरी सीखने में मूलभूत चीजों में से एक है, यह ग्रेडिएंट्स की गणना के लिए आवश्यक है। इसकी तुलना पायथन से करें, जिसमें स्वचालित भेदभाव भाषा का मुख्य घटक नहीं है। मूल रूप से S4TF के हिस्से के रूप में विकसित कुछ सुविधाओं को बाद में स्विफ्ट भाषा में ही एकीकृत किया गया था।

तेजी से तैरना

जब मुझे पहली बार पता चला कि स्विफ्ट सी जितनी तेज है, तो मैं आश्चर्यचकित था। मुझे पता था कि सी को अत्यधिक अनुकूलित किया गया था और बहुत उच्च गति प्राप्त करने की अनुमति दी गई थी, लेकिन यह माइक्रो मेमोरी प्रबंधन के कारण था, और इसलिए सी को मेमोरी सुरक्षा की समस्या थी। इसके अलावा, C सीखना इतना आसान नहीं है।

संख्यात्मक गणना में स्विफ्ट अब C जितनी तेजी से चल रही है, इसमें मेमोरी सुरक्षा की कोई समस्या नहीं है, और यह सीखना बहुत आसान है। स्विफ्ट का एलएलवीएम कंपाइलर बहुत शक्तिशाली है और इसमें बहुत कुशल अनुकूलन है, यह बहुत तेज कोड गति प्रदान करेगा।

आप स्विफ्ट में पायथन, सी और सी ++ का उपयोग कर सकते हैं

चूंकि मशीन सीखने के लिए स्विफ्ट अपने विकास के शुरुआती चरण में है, इसलिए एमओ के लिए कई पुस्तकालय इसके लिए नहीं बनाए गए हैं। आपको इस बारे में बहुत चिंता नहीं करनी चाहिए क्योंकि स्विफ्ट में पायथन के साथ अद्भुत पायथन संगतता है। आप बस किसी भी पायथन लाइब्रेरी को स्विफ्ट में आयात करते हैं, और यह काम करता है। आप सी और सी ++ लाइब्रेरीज़ को स्विफ्ट में भी आयात कर सकते हैं (सी ++ के लिए आपको यह सुनिश्चित करने की आवश्यकता है कि हेडर फाइलें शुद्ध सी में लिखी गई हैं, सी ++ फ़ंक्शन के बिना)।

सारांशित करने के लिए, यदि आपको विशिष्ट कार्यक्षमता की आवश्यकता है, लेकिन यह स्विफ्ट में अभी तक लागू नहीं हुआ है, तो आप उपयुक्त पायथन, C या C ++ पैकेज आयात कर सकते हैं।
प्रभावशाली!

स्विफ्ट बहुत कम जा सकती है

यदि आपने कभी TensorFlow का उपयोग किया है, तो संभवत: आपने पायथन पैकेज के साथ ऐसा किया है। हुड के तहत, TensorFlow लाइब्रेरी का पायथन संस्करण बहुत कम स्तर पर C कोड का उपयोग करता है। इसलिए, जब आप TensorFlow में एक फ़ंक्शन को कॉल करते हैं, तो कुछ स्तर पर आप कुछ सी कोड का उपयोग करते हैं। इसका मतलब है कि आप स्रोत कोड की जांच कितनी गहरी कर सकते हैं इसकी एक सीमा है। उदाहरण के लिए, यदि आप यह देखना चाहते हैं कि कैसे समाधान लागू किए जाते हैं, तो आप पायथन कोड नहीं देखेंगे क्योंकि वे सी में कार्यान्वित किए जाते हैं।

स्विफ्ट अलग है। क्रिस लुटनर ने स्विफ्ट को "एलएलवीएम [असेंबली लैंग्वेज] के लिए सिंटैक्टिक शुगर " कहा। इसका मतलब है कि, वास्तव में, स्विफ्ट लगभग सीधे हार्डवेयर के साथ काम करता है, और सी के बीच कोड की कोई अन्य लाइनें नहीं लिखी गई हैं। इसका मतलब यह भी है कि स्विफ्ट बहुत तेज है, जैसा कि मैंने ऊपर वर्णित किया है। यह सब इस तथ्य की ओर जाता है कि आप, एक डेवलपर के रूप में, सी का उपयोग करने की आवश्यकता के बिना, बहुत उच्च और बहुत कम दोनों स्तरों पर कोड की जांच कर सकते हैं।

आगे क्या है?

स्विफ्ट Google में जाने वाले इन-लर्निंग इनोवेशन का सिर्फ एक हिस्सा है। एक और घटक है जो बहुत दृढ़ता से जुड़ा हुआ है: MLIR , जिसका अर्थ है बहु-स्तरीय मध्यवर्ती प्रतिनिधित्व। MLIR एक एकीकृत कंपाइलर इन्फ्रास्ट्रक्चर होगा जो आपको स्विफ्ट (या किसी अन्य भाषा) में कोड लिखने और किसी भी सहायक हार्डवेयर पर संकलन करने की अनुमति देगा। अब विभिन्न लक्ष्य उपकरणों के लिए कई संकलक हैं, लेकिन MLIR इसे बदलने में सक्षम है, यह न केवल कोड का पुन: उपयोग कर सकता है, बल्कि अपने स्वयं के निम्न-स्तरीय संकलक घटकों को भी लिख सकता है। यह निम्न-स्तरीय एल्गोरिदम को अनुकूलित करने के लिए शोधकर्ताओं को मशीन सीखने का उपयोग करने की भी अनुमति देगा।

जबकि MLIR मशीन सीखने के लिए एक संकलक के रूप में कार्य करता है, हम संकलक में मशीन सीखने के तरीकों का उपयोग करने की संभावना भी देखते हैं। यह विशेष रूप से महत्वपूर्ण है क्योंकि संख्यात्मक पुस्तकालयों को विकसित करने वाले इंजीनियरों की संख्या मशीन सीखने के लिए मॉडल या हार्डवेयर की विविधता के रूप में तेजी से नहीं बढ़ रही है।

मेमोरी को डेटा में विभाजित करने के लिए निम्न-स्तरीय एल्गोरिदम को अनुकूलित करने के लिए गहरी सीखने का उपयोग करने की कल्पना करें ( हैलीड एक समान समस्या को हल करने की कोशिश कर रहा है)। और यह केवल शुरुआत है, हम कंपाइलरों में मशीन लर्निंग का उपयोग करके कई अन्य रचनात्मक अनुप्रयोगों की प्रतीक्षा कर रहे हैं।

परिणाम

यदि आप गहरी शिक्षा के क्षेत्र में हैं, तो आपको शायद स्विफ्ट सीखना शुरू कर देना चाहिए। इससे पायथन पर कई फायदे होंगे। Google अपने TensorFlow ML अवसंरचना के मुख्य घटक स्विफ्ट को बनाने में गंभीरता से निवेश कर रहा है, और सबसे अधिक संभावना है कि स्विफ्ट एक गहन सीखने वाली भाषा बन जाएगी। यदि आप पहले से ही स्विफ्ट सीखना और उपयोग करना शुरू कर रहे हैं, तो यह आपको अग्रणी लाभ देगा।