开发人员亲自上场：Julia语言搞机器学习和Python比，哪个好用？
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
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。
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。」
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。」
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。
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？
为什么与其他框架合作的独立开发人员应该考虑为Julia的 ML 生态系统做出贡献？
对于某些特定任务，Julia开发人员倾向于使用哪些软件包？Julia开发人员希望添加目前不存在的哪些内容？
下文中我们挑选了几个大家比较关心的问题进行报道：
问题 3：Julia在「标准 ML」中的表现如何？
Julia的内核速度很好：在 CPU 上，我们做得非常好，在 GPU 上，每个人都只是调用相同的 cudnn 等；Julia的 AD 速度也很好。不过 Zygote 可能会有一些开销，但与 Jax/PyTorch/TensorFlow相比，Zygote 在大多数情况下速度是很快的。具体来说，PyTorch 开销要高得多，在标准 ML 工作流程中甚至无法测量。一个足够大的矩阵乘法会解决分配问题或其他 O(n) 问题；Julia不融合内核，因此在大多数基准测试中，如果用户查看它，就会发现它没有融合 conv 或 RNN cudnn 调用。
问题 4：我们应该跟踪哪些重要的实验和基准？
XLA 的分布式调度器非常好。当我们考虑扩展时，我们应该忽略 PyTorch，去考虑 DaggerFlux 与TensorFlow/Jax。XLA 有更多的灵活性来改变操作，所以我认为 XLA 才是赢家，我们需要使用 e-graphs 技巧来匹配它。另一件需要注意的事情就是「自动微分中缺少中间部分」，这种情况还需要解决。
问题 7：有什么推荐的软件包？
我倾向于在需要时使用 Flux，但大家还是尽量使用 DiffEqFlux。就现有内核而言，Flux 是最完整的，但它的风格让我感到厌烦。我希望有一个 Flux 不使用隐式参数，而是使用显式参数。我希望这些参数由 ComponentArrays 表示。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台，提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具，适合短剧、漫剧、广告及社交媒体内容制作。
Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件，集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体，