展开查看详情
1 .Julia 语⾔及其⽣态
陈久宁 @JuliaImages (2021.04.18)
2 .Julia 语⾔及其⽣态
Outline
• Julia 的代码⻛格
• Julia 为什么快
• ⽣态与社区
3 .From https://julialang.org/
4 .Julia 代码⻛格
Topics
• 动态编译型语⾔
• Math language!
• 函数式编程 + 多重派发
• Oh my broadcasting!
5 .Julia 代码⻛格 — 动态编译型语⾔
以 Python/Matlab 的 REPL(read-execute-print loop) ⽅式写代码，并获得 C/C++ 的执⾏效率
Python + NumPy C routine
Julia manual written
Python manual written
6 .Julia 代码⻛格 — A math language!
From https://cormullion.github.io/pages/2020-07-26-JuliaMono/
7 . Julia 代码⻛格 — 函数式编程 + 多重派发
将尽可能多的简短的函数组合⼀个完整的功能
函数式编程 + 多重派发 = 递归？
函数式编程：将⼀个函数作为另⼀个函数的输⼊
多重派发：函数 (Function) 由多个⽅法 (Method) 共
同定义，根据具体的数据类型决定实际调⽤的⽅法
8 . Julia 代码⻛格 — 函数式编程 + 多重派发
将尽可能多的简短的函数组合⼀个完整的功能
函数式编程 + 多重派发 = 递归？
函数式编程：将⼀个函数作为另⼀个函数的输⼊
多重派发：函数 (Function) 由多个⽅法 (Method) 共
同定义，根据具体的数据类型决定实际调⽤的⽅法
9 .Julia 代码⻛格 — ⼴播
Julia 的⼴播可以应⽤到任意函数上
10 . Julia 为什么快
Topics
• ⽆开销的多重派发
• Abstraction（抽象） + Specialization（特例化）：充分的类型信息
• No rst-class citizens （没有⼀等公⺠）
• Vectorization/broadcasting （向量化/⼴播）?
• Julia ⼀定快吗？
fi
11 .Julia 为什么快
类型稳定的多重派发 == 没有额外开销
12 .Julia 为什么快
specialization + abstraction: 充分的类型信息和可维护性
• 定义 Julia ⽅法的时候可以不给任何类型信息，Julia 会在第⼀次执⾏该代码的
时候进⾏⼀次在线编译(JIT)
• 在需要的时候，可以通过多重派发来进⾏优化 可以不写 x 的类型
13 . Julia 为什么快
No rst-class citizens
• ⼀等公⺠ ( rst-class citizens)：为了达到最佳的性能所单独设计的⼀个封闭的数
据类型
• ⼀等公⺠带来的是不必要的性能开销
np.array 是 Numpy 的⼀等公⺠
fi
fi
14 . Julia 为什么快
No rst-class citizens: Julia has hundreds of array types
fi
15 .Julia 为什么快
向量化 vs for
for 循环版本
向量化版本
which is fast?
From: https://discourse.juliacn.com/t/topic/5080/9
16 .Julia 为什么快
向量化 vs for
for 循环版本
向量化版本
which is fast?
From: https://discourse.juliacn.com/t/topic/5080/9
17 .Julia 为什么快
“向量化快” 在 Julia 下并不成⽴
• Python/Matlab 下向量化是⼀种⾮常好的性能加速的⼿段
• 向量化之所以快是因为它以某种⼿段告诉了计算机充分的类型信息，从⽽计算
机/CPU可以对代码进⾏特殊的优化⼿段
• 向量化不是免费的：运算的中间结果是矩阵⽽不是标量（额外的缓存或内存开
销）
18 .Julia 为什么快 — Julia ⼀定快吗？
在类型不稳定的时候，Julia 的执⾏效率可以像 Python ⼀样慢
19 .Julia 为什么快 — Julia ⼀定快吗？
在类型不稳定的时候，Julia 的执⾏效率可以像 Python ⼀样慢
• 没有办法使⽤最优的内存结构（类型不稳定时没有办法保证内存的连续性）
• 没有办法绕过 runtime check 的额外性能开销
20 .Julia ⽣态
简介
• 擅⻓的领域：与科学计算有关的⾼性能计算领域
• 不擅⻓的领域：⼯程、嵌⼊式
• 未来的发展⽅向：不会重复造轮⼦，但会发明新的轮⼦
21 .Julia ⽣态 - 混合⽣态
Zygote - 源到源的⾃动微分 CUDA — GPU计算
NeuralODE: 深度学习 + 微分⽅程
⾃动微分 + 概率编程
…
22 .Julia ⽣态 - 深度学习
• 显卡并⾏、数据并⾏、计算并⾏
• 预处理⼯具箱
• 预训练的⽹络 (model zoo)
• ⾼阶 API
23 .Julia ⽣态 - 深度学习
这些统统没有
• 显卡并⾏、数据并⾏、计算并⾏
• 预处理⼯具箱
• 预训练的⽹络 (model zoo)
• ⾼阶 API
24 .Julia ⽣态
• 对于库的开发者友好
• 对于性能优化友好
• 新的语⾔⽣态还未发展⻬全，对调包侠不太友好
热门城市
