Высокопроизводительный язык для очень больших данных Julia

Содержание

Слайд 2

Отличительные особенности

Множественная диспетчеризация. Множественная диспетчеризация означает, что вариант определенной функции, который будет

Отличительные особенности Множественная диспетчеризация. Множественная диспетчеризация означает, что вариант определенной функции, который
исполнен, определяется всем набором типов параметров этой функции.JIT-компиляция. Это технология, которая позволяет увеличить производительность путём компиляции байт-кода в машинный.
Метапрограммированиею. Это когда мы в программе создаем программы и на ходу их запускаем. Это мощный метод, который позволяет сделать много разных интересных вещей. Классический пример — Django ORM, в котором создаются поля с помощью метаклассов.
Параллелизация. Позволяет производить несколько вычислений параллельно друг другу, что в разы сокращает время выполнения программы.

Слайд 3

Технологии машинного обучения

Flux
В данном языке он обычно используется как уровень абстракции для

Технологии машинного обучения Flux В данном языке он обычно используется как уровень
создания нейронных сетей. Flux.jl входит в число моих любимых пакетов, и он был одним из первых, с которыми я познакомился, начиная работу с Julia. Его огромным преимуществом является не вероятно маленький размер.
Легковесность Flux позволяет прекрасно использовать его на серверах, так как он не займет много места, и его запросто можно поместить в крошечные виртуальные среды при помощи Pkg.

Слайд 4

Технологии машинного обучения

Merlin.jl
Merlin — еще один фреймворк для глубокого обучения, предназначенный для

Технологии машинного обучения Merlin.jl Merlin — еще один фреймворк для глубокого обучения,
создания нейронных сетей.  При выполнении многих операций он опережает Flux, но это совсем не означает, что он всегда будет быстрее.
Как и в случае с Flux, Merlin имеет встроенную GPU поддержку с CUDA. Модели Merlin обычно отличаются от моделей Flux способностью к более быстрому развертыванию. Если вы планируете развернуть API, использующее нейронную сеть, при помощи Genie и Julia, стоить выбрать Merlin. Помимо всех выше перечисленных превосходных достоинств, он также включает маленькую дистрибутивную библиотеку.

Слайд 5

Технологии машинного обучения

KNet.jl
В отличие от Flux и Merlin, пакет Knet немного тяжелее.

Технологии машинного обучения KNet.jl В отличие от Flux и Merlin, пакет Knet
Кроме этого, он написан не чисто на Julia, но и на других языках, таких как C и MATLAB, выполняющихся под кодом Julia.
Следует отметить, что только очень малая часть Knet, а именно 1,8%, написана на C и MATLAB. Остается добавить, что Knet лучше подойдет новичкам, поскольку очень прост в использовании. Knet был создан в университете Коч (Стамбул). Вследствие чего, данный пакет, похоже, намного лучше поддерживается, чем большинство его аналогов

Слайд 6

Технологии машинного обучения

Lathe
Lathe сопровождается довольно большой библиотекой статистики, включающей хи-квадрат тесты, байесовскую

Технологии машинного обучения Lathe Lathe сопровождается довольно большой библиотекой статистики, включающей хи-квадрат
статистику, t-тесты, f-тесты и даже малоизвестные тесты по критерию знаков. Более того, в него также включена проверка с модулем статистики, в котором есть метрики точности для непрерывных и категориальных прогнозов. И наконец, Lathe.jl включает небольшую скромную библиотеку дистрибутивов.
Данный пакет также написан на чистом Julia и имеет довольно основательную документацию. Можно сказать, что если Flux — это нечто иное, как TensorFlow для Julia, то Lathe — это ее Sklearn. А значит, он весьма содержателен и предоставляет все необходимые инструменты для работы. Более того, благодаря простоте в использовании, Lathe будет легко освоить даже начинающим.

Слайд 7

Волновое уравнение гиперболического типа

Волновое уравнение гиперболического типа имеет следующий вид:
Описывает одномерные линейные

Волновое уравнение гиперболического типа Волновое уравнение гиперболического типа имеет следующий вид: Описывает
волны без дисперсии. Например, колебания струны, звук в жидкости (газе) или электромагнитные волны в вакууме (в последнем случае уравнение должно быть записано в векторном виде).

Слайд 8

Волновое уравнение гиперболического типа

Простейшей разностной схемой, аппроксимирующей данное уравнение, является явная пятиточечная

Волновое уравнение гиперболического типа Простейшей разностной схемой, аппроксимирующей данное уравнение, является явная
схема :
Эта схема, получившая название «крест», имеет второй порядок точности по времени и по пространственной координате и является трехслойной по времени.

Слайд 9

Волновое уравнение гиперболического типа

Пример программной части решения волнового уравнения гиперболического типа:

Волновое уравнение гиперболического типа Пример программной части решения волнового уравнения гиперболического типа:

Слайд 10

Волновое уравнение гиперболического типа

Пример программной части решения волнового уравнения гиперболического типа:

Волновое уравнение гиперболического типа Пример программной части решения волнового уравнения гиперболического типа:

Слайд 11

Волновое уравнение гиперболического типа

Пример программной части решения волнового уравнения гиперболического типа:

Волновое уравнение гиперболического типа Пример программной части решения волнового уравнения гиперболического типа:

Слайд 12

Волновое уравнение гиперболического типа

Пример программной части решения волнового уравнения гиперболического типа:

Волновое уравнение гиперболического типа Пример программной части решения волнового уравнения гиперболического типа:

Слайд 13

Волновое уравнение гиперболического типа

Пример программной части решения волнового уравнения гиперболического типа:

Волновое уравнение гиперболического типа Пример программной части решения волнового уравнения гиперболического типа:

Слайд 14

Волновое уравнение гиперболического типа

Чтобы построить поверхность, воспользуемся PyPlot'ом не как окружением Plots,

Волновое уравнение гиперболического типа Чтобы построить поверхность, воспользуемся PyPlot'ом не как окружением Plots, а непосредственно:
а непосредственно:

Слайд 15

Статьи с arxiv.org

https://arxiv.org/abs/2103.00915
https://arxiv.org/abs/2010.07516
https://arxiv.org/abs/1209.5145
https://arxiv.org/abs/2103.09948

Статьи с arxiv.org https://arxiv.org/abs/2103.00915 https://arxiv.org/abs/2010.07516 https://arxiv.org/abs/1209.5145 https://arxiv.org/abs/2103.09948
Имя файла: Высокопроизводительный-язык-для-очень-больших-данных-Julia.pptx
Количество просмотров: 38
Количество скачиваний: 0