机器之心报道
编辑：陈萍
2022 年 ， 你会选择哪种编程语言呢？前几年就流传着这样一种说法：Julia 会替代 Python ， 成为新的最受欢迎的编程语言之一 。 我们暂且对这种说法持观望态度 ， 但作为科学计算方面的强大工具 ， Julia 优势已然显现 ， 这意味着程序员的选择又多了一种 。
在数据科学、人工智能等领域 ， 仔细对比 Julia 和 Python ， 我们会发现：相同的任务 ， 只要 Python 能实现的的 ， Julia 都可以做 ， 而且效率高得多 ， 语法也简洁优雅 ， 只是在传播度上 ， 名气还不如 Python 。
近日 ， reddit 上的一则热帖引来广大网友的讨论 ， 这个帖子提到 ， 最近 ， 一些 Julia 语言包的开发人员讨论了 Julia 中 ML 的当前状态 ， 并将其状态与 Python ML 生态系统进行了比较 。
文章图片
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 认为 ， 「 Julia 确实在机器学习方面拥有巨大的潜力 ， 但它目前的状态有点喜忧参半 。 更具体地说 ， 我在 SciML 中坚持使用 Julia 的主要原因是 ， DifferentialEquations.jl 库工作得非常好 ， 但在 Python 中没有发现任何类似的东西 。 然而 ， 对于我的研究来说 ， 真正痛苦的是 AD 部分 。 自从我开始使用 Julia， 我在 Zygote 中遇到了两个错误 ， 这使我的工作速度减慢了几个月 。 但我仍然认为 Julia 是 SciML 的最佳选择 ， 但这些库（及其文档）应该优化的更加用户友好 。 」
文章图片
网友 @jgreener64 表示：「Julia 中的 ML 在某些领域应用非常强大 ， Julia 一切皆有可能 。 Julia 面临的问题是：Julia 中的 ML 需要大量现有知识或大量时间搜索 / 反复试验 。 在个人层面上 ， 我目前正在用 Julia 开发新颖的可微分算法 。 」
文章图片
【开发人员亲自上场：Julia语言搞机器学习和Python 比，哪个好用？】除了网友的热烈讨论外 ， Julia 软件包开发人员 Christopher Rackauckas 围绕以下 7 个问题 ， 解答了网友比较关心的内容 。 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、数学和随机生物学开了专门博客 ， 来介绍相关内容 ， 并且 Rackauckas 在 Julia 中开发了一些库 ， 包括（但不限于）DifferentialEquations.jl 和 Pumas 。
文章图片
Christopher Rackauckas
问题包括：
- 今天 Julia 中的 ML 在哪些地方真正大放异彩？在不久的将来该生态系统在哪些方面优于其他流行的 ML 框架（例如 PyTorch、Flax 等） ， 为什么？
- 目前 Julia 的 ML 生态系统在功能或性能方面存在哪些缺点？Julia 在这些领域变得具有竞争力的时间节点在哪？
- Julia 的标准 ML 包（例如深度学习） 在性能方面与流行的替代方案相比如何（更快、更慢、相同数量级）？
- 有没有重要的 Julia 实验 ， 可以针对流行的 ML 替代方案进行基准测试？
- 如果一家公司或机构正在考虑创建职位来为 Julia 的 ML 生态系统做出贡献 ， 有没有最佳案例？为什么他们应该这样做？哪些贡献最有影响力？
特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。