@開發(fā)者，如果你正在研究深度學(xué)習(xí)，那么建議你開始學(xué)習(xí)Swift語言。

作者 |?Max Pechyonkin

譯者 | 彎月， 責(zé)編 | 郭芮

出品 | CSDN（ID：CSDNnews）

以下為譯文：

當(dāng)程序員聽到Swift時，可能都會聯(lián)想到iOS或MacOS的應(yīng)用開發(fā)。如果你正在研究深度學(xué)習(xí)，那么你一定聽說過Swift版的TensorFlow。你可能不禁想問：“為什么Google會創(chuàng)建Swift版的TensorFlow？現(xiàn)在已經(jīng)有Python和C++版本了，為什么還要添加另一種語言？”

?

我將在這篇文章中為你解答這個問題，并概述為什么你需要留意Swift版的TensorFlow以及Swift語言本身。我不打算在文本中提供詳細(xì)的解釋，但是我會提供大量鏈接，如果你對這個話題感興趣的話，那么可以深入挖掘。

?

?

Swift擁有強(qiáng)力的后援

?

?

Swift是由Chris Lattner在蘋果工作時創(chuàng)建的。目前，Chris Lattner在Google Brain工作——這是世界上最先進(jìn)的人工智能研究團(tuán)隊(duì)之一。 Swift語言的創(chuàng)始人如今在研究深度學(xué)習(xí)的實(shí)驗(yàn)室工作，這個事實(shí)說明這是一個重大的項(xiàng)目。

?

前段時間，Google意識到盡管Python是一種優(yōu)秀的語言，但它仍有許多難以克服的局限性。TensorFlow需要一種新語言，經(jīng)過長時間的考慮后，這個重任落到了Swift肩上。我不打算對此做詳細(xì)的介紹，但是你可以自行閱讀這篇文檔（https://github.com/tensorflow/swift/blob/master/docs/WhySwiftForTensorFlow.md），文中描述了Python的缺點(diǎn)，有關(guān)其他語言的考量，以及最終選中了Swift的經(jīng)過。

?

?

Swift版的TensorFlow不僅僅是一個代碼庫

?

?

Swift版的TensorFlow不僅僅是另一種語言的TensorFlow。

?

從本質(zhì)上來說，它是Swift語言的另一個分支（就像在git上創(chuàng)建branch一樣）。這意味著Swift版的TensorFlow并不是一個代碼庫， 它本身就是一種語言，它內(nèi)置的功能支持TensorFlow所需的所有功能。

?

例如，Swift版的TensorFlow擁有非常強(qiáng)大的自動微分系統(tǒng)，這是深度學(xué)習(xí)計算梯度所需的基礎(chǔ)。相比之下，Python的自動微分系統(tǒng)不是語言的核心組成部分。有一些最初為Swift版的TensorFlow開發(fā)的功能后來被集成到了Swift語言本身中。

?

?

Swift非?？?

?

?

當(dāng)?shù)谝淮蔚弥猄wift的運(yùn)行速度與C代碼一樣快時，我感到非常驚訝。我知道C經(jīng)過了高度優(yōu)化，且可以實(shí)現(xiàn)非常高的速度，但這需要以微內(nèi)存管理為代價，因此C不能保證內(nèi)存的安全。此外，C不是一種非常容易學(xué)習(xí)的語言。

?

如今，Swift的數(shù)值計算速度與C一樣快，還沒有內(nèi)存安全的問題，而且更容易學(xué)習(xí)。Swift背后的LLVM編譯器功能非常強(qiáng)大，并且擁有非常高效的優(yōu)化功能，可以確保代碼快速地運(yùn)行。

?

?

你可以在Swift中使用Python、C和C++代碼

?

?

由于Swift的機(jī)器學(xué)習(xí)才剛剛開始，因此Swift的機(jī)器學(xué)習(xí)庫并不多。然而，你無需擔(dān)心，因?yàn)镾wift可以很好地與Python語言結(jié)合。你只需在Swift中導(dǎo)入Python庫，就可以放心使用了。

?

與此同時，你還可以將C和C++庫導(dǎo)入到Swift中（對于C++，你需要確保頭文件是用純C編寫的，沒有C++的特性）。

?

總而言之，如果你需要的某個特定的功能尚未在Swift中實(shí)現(xiàn)，則可以導(dǎo)入相應(yīng)的Python、C或C++包。這一點(diǎn)簡直逆天了！

?

?

Swift還可以深入底層

?

?

如果你曾經(jīng)使用過TensorFlow，那么很可能是通過Python包來實(shí)現(xiàn)的。在底層，Python版的TensorFlow是用C實(shí)現(xiàn)的。所以在TensorFlow中調(diào)用函數(shù)時，你一定會在某個層面上遇到一些C代碼。這意味著在你查看源代碼的時候，會遇到一些限制。例如，你想看看卷積的實(shí)現(xiàn)方式，卻發(fā)現(xiàn)看不到Python代碼，因?yàn)樗怯肅實(shí)現(xiàn)的。

?

然而，在Swift中情況有所不同。Chris Lattner稱Swift是“LLVM [匯編語言]的語法糖”。這意味著從本質(zhì)上講，Swift非?？拷布?，Swift與硬件之間沒有其他用C寫的附加層。這也意味著Swift代碼非常快，如上所述。

?

因此，開發(fā)人員能夠檢查所有的代碼，無論是高層的代碼還是非常底層的代碼，都無需深入C。

?

?

將來的發(fā)展

?

?

Swift只是Google深度學(xué)習(xí)創(chuàng)新的一部分。還有另一個非常密切相關(guān)的組件：MLIR（Multi-Level Intermediate Representation，多層中間表示）。MLIR將會成為Google統(tǒng)一的編譯基礎(chǔ)設(shè)施，它允許你用Swift（或任何其他支持的語言）編寫代碼，并編譯成任何支持的硬件。

?

目前，有許多針對不同目標(biāo)硬件的編譯器，但MLIR將改變這種局面，它不僅可以支持代碼的可重用性，而且還允許你編寫編譯器自定義的底層組件。同時，它還允許研究人員應(yīng)用機(jī)器學(xué)習(xí)來優(yōu)化低級算法：

雖然MLIR是機(jī)器學(xué)習(xí)的編譯器，但我們也看到它可以將機(jī)器學(xué)習(xí)的技術(shù)應(yīng)用到編譯器本身！這一點(diǎn)非常重要，因?yàn)楣こ處熼_發(fā)數(shù)值計算庫的速度跟不上機(jī)器學(xué)習(xí)模型或硬件多元化的速度。

想象一下，我們能夠使用深度學(xué)習(xí)來優(yōu)化處理數(shù)據(jù)的底層內(nèi)存切片算法（類似于Halide正在努力完成的任務(wù)）。而且，這只是一個開端，還有其他機(jī)器學(xué)習(xí)的創(chuàng)造性應(yīng)用也可以在編譯器中使用！

?

?

總結(jié)

?

?

如果你正在研究深度學(xué)習(xí)，那么我建議你開始學(xué)習(xí)Swift語言。與Python相比，Swift擁有多方面的優(yōu)勢。Google正在大力投資，讓Swift成為TensorFlow多層基礎(chǔ)設(shè)施的關(guān)鍵組成部分，而且Swift很可能成為深度學(xué)習(xí)的語言。 因此，先下手為強(qiáng)，盡早開始學(xué)習(xí)Swift吧。

?

鏈接：https://towardsdatascience.com/why-swift-may-be-the-next-big-thing-in-deep-learning-f3f6a638ca72

本文為 CSDN 翻譯，轉(zhuǎn)載請注明來源出處。

想學(xué)機(jī)器學(xué)習(xí)的小白讀這篇，很可以

https://edu.csdn.net/topic/ai30?utm_source=csdn_bw

【END】

作為碼一代，想教碼二代卻無從下手：

聽說少兒編程很火，可它有哪些好處呢？

孩子多大開始學(xué)習(xí)比較好呢？又該如何學(xué)習(xí)呢？

最新的編程教育政策又有哪些呢？

下面給大家介紹CSDN新成員： 極客寶寶（ID： geek_baby）

戳他了解更多↓↓↓

?熱 文 ?推 薦?

? 百年 IBM 如何用代碼拯救生命

? 索尼發(fā)布新一代 IoT 芯片，萬物互聯(lián)方式將改寫？

? 首款“印度制造”的微處理器 AJIT 面世！

?國內(nèi)第一部 AI 本科專業(yè)教育培養(yǎng)體系出爐！

?“再見，微軟！”

服務(wù)遷移之路 | Spring Cloud向Service Mesh轉(zhuǎn)變 | 技術(shù)干貨

不止面基V神，今年以太坊技術(shù)及應(yīng)用大會，他還期待……

?一文獲取36個Python開源項(xiàng)目，平均Star 1667，精選自5000個項(xiàng)目

史上最大規(guī)模ACL大會放榜，百度10篇NLP論文被錄用！

?大神！這段代碼讓程序員躺賺200W，源碼簡單，你怎么看？

點(diǎn)擊閱讀原文，輸入關(guān)鍵詞，即可搜索您想要的 CSDN 文章。

你點(diǎn)的每個“在看”，我都認(rèn)真當(dāng)成了喜歡