如果你喜歡編程，當(dāng)你聽(tīng)到Swift，你可能會(huì)想到iOS或MacOS的應(yīng)用程序開(kāi)發(fā)。如果你正在進(jìn)行深度學(xué)習(xí)，那么你一定聽(tīng)說(shuō)過(guò)Swift for Tensorflow(縮寫(xiě)為S4TF)。然后，你可以問(wèn)自己:“為什么谷歌要為Swift創(chuàng)建一個(gè)TensorFlow版本?”Python和c++已經(jīng)有了版本;為什么要添加另一種語(yǔ)言?在這篇文章中，我將試著回答這個(gè)問(wèn)題，并概述為什么你應(yīng)該認(rèn)真遵循S4TF以及Swift語(yǔ)言本身的原因。這篇文章的目的不是給出非常詳細(xì)的解釋，而是提供一個(gè)總體概述和大量的鏈接，這樣，如果您感興趣，就可以進(jìn)行更深入的研究。

Swift背后有強(qiáng)大的支持

Swift是Chris Lattner在蘋果工作時(shí)創(chuàng)造的。現(xiàn)在，Chris Lattner就職于谷歌Brain，世界上最好的人工Max Pechyonkin之一，5月27日·5分鐘閱讀智能研究團(tuán)隊(duì)。事實(shí)上，Swift語(yǔ)言的創(chuàng)造者現(xiàn)在在實(shí)驗(yàn)室從事深度學(xué)習(xí)的研究來(lái)告訴你，這是一個(gè)嚴(yán)肅的項(xiàng)目。

不久前，谷歌的人意識(shí)到，盡管Python是一種優(yōu)秀的語(yǔ)言，但是它有許多難以克服的限制。TensorFlow需要一種新的語(yǔ)言，經(jīng)過(guò)長(zhǎng)時(shí)間的考慮，Swift被選為候選人。我不會(huì)在這里詳細(xì)介紹，但是有一個(gè)文檔描述了Python的缺點(diǎn)，以及考慮了哪些其他語(yǔ)言，以及最終如何將其縮小到Swift。

不僅僅是一個(gè)庫(kù)

Swift對(duì)于TensorFlow不僅僅是另一種語(yǔ)言的TF。它本質(zhì)上是Swift語(yǔ)言本身的另一個(gè)分支(在git的意義上)。這意味著S4TF不是一個(gè)庫(kù);它本身是一種語(yǔ)言，內(nèi)置了支持TensorFlow所需的所有功能的特性。例如，S4TF中有一個(gè)非常強(qiáng)大的自動(dòng)微分系統(tǒng)，這是計(jì)算梯度所需要的深度學(xué)習(xí)的基礎(chǔ)之一。對(duì)比一下Python，在Python中，自動(dòng)區(qū)分不是語(yǔ)言的核心組件。最初作為S4TF的一部分開(kāi)發(fā)的一些功能后來(lái)被集成到Swift語(yǔ)言本身。

Swift很快

當(dāng)我第一次知道Swift的運(yùn)行速度和C代碼一樣快時(shí)，我很驚訝。我知道C是高度優(yōu)化的，可以達(dá)到非常高的速度，但這是以微管理內(nèi)存為代價(jià)的，這導(dǎo)致C的內(nèi)存不安全)。此外，C語(yǔ)言不是一門很容易學(xué)的語(yǔ)言。

現(xiàn)在，Swift在數(shù)值計(jì)算中運(yùn)行得和C一樣快，而且它沒(méi)有內(nèi)存安全問(wèn)題，而且它更容易學(xué)習(xí)。Swift背后的LLVM編譯器非常強(qiáng)大，并且有非常高效的優(yōu)化，這將確保您的代碼運(yùn)行得非?？?。

在SWIFT中可以使用多種代碼

因?yàn)?a href="http://www.brongaenegriffin.com/v/tag/557/" target="_blank">機(jī)器學(xué)習(xí)的Swift還處于非常早期的階段，這意味著適合Swift的機(jī)器學(xué)習(xí)庫(kù)并不多。不必?fù)?dān)心，因?yàn)镾wift具有驚人的Python互操作性。只需導(dǎo)入Swift中的任何Python庫(kù)，它就能正常工作。

類似地，您可以將C和c++庫(kù)導(dǎo)入到Swift中(對(duì)于c++，您需要確保頭文件是用純C編寫(xiě)的，而沒(méi)有c++特性)?？傊?，如果您需要特定的功能，但它還沒(méi)有在Swift中實(shí)現(xiàn)，您可以導(dǎo)入相應(yīng)的Python、C或c++包。令人印象深刻的!

SWIFT可以降到很低的水平

如果您曾經(jīng)使用過(guò)TensorFlow，那么很可能是通過(guò)Python包完成的。在底層，Python版本的TensorFlow庫(kù)底層有C代碼。所以當(dāng)你調(diào)用TensorFlow中的任何函數(shù)時(shí)，在某種程度上你會(huì)碰到一些C代碼。這意味著檢查源代碼的速度是有限制的。例如，如果您想了解卷積是如何實(shí)現(xiàn)的，您將無(wú)法看到Python代碼，因?yàn)樗窃贑語(yǔ)言中實(shí)現(xiàn)的。

在Swift中，情況就不同了。Chris Lattner稱Swift是“LLVM(匯編語(yǔ)言)的語(yǔ)法糖”。這意味著從本質(zhì)上說(shuō)，Swift非常接近硬件，而且在硬件之間沒(méi)有其他用C編寫(xiě)的代碼層。這也意味著Swift代碼非常快，如上所述。這一切都使您作為開(kāi)發(fā)人員能夠從一個(gè)非常高的級(jí)別檢查代碼到一個(gè)非常低的級(jí)別，而不需要進(jìn)入C語(yǔ)言。

接下來(lái)是什么

Swift只是谷歌深度學(xué)習(xí)創(chuàng)新的一部分。還有一個(gè)非常密切相關(guān)的組件:MLIR，它代表多級(jí)中間表示。MLIR將是谷歌統(tǒng)一的編譯器基礎(chǔ)設(shè)施，允許用Swift(或任何其他受支持的語(yǔ)言)編寫(xiě)代碼，并將其編譯到任何受支持的硬件。目前，針對(duì)不同的目標(biāo)硬件有大量的編譯器，但是MLIR將改變這一點(diǎn)，不僅允許代碼重用，還允許編寫(xiě)定制的編譯器底層組件。它還將允許研究人員應(yīng)用機(jī)器學(xué)習(xí)來(lái)優(yōu)化底層算法:

雖然MLIR充當(dāng)ML的編譯器，但是我們也看到它支持在編譯器中使用機(jī)器學(xué)習(xí)技術(shù)!這一點(diǎn)尤其重要，因?yàn)殚_(kāi)發(fā)數(shù)字庫(kù)的工程師的擴(kuò)展速度趕不上ML模型或硬件的多樣化。

想象一下能夠使用深度學(xué)習(xí)來(lái)幫助優(yōu)化數(shù)據(jù)的底層內(nèi)存平鋪算法(類似于Halide試圖完成的任務(wù))。而且，這僅僅是機(jī)器學(xué)習(xí)在編譯器中的開(kāi)始和其他創(chuàng)造性應(yīng)用！

總結(jié)

如果你喜歡深度學(xué)習(xí)，那么Swift是一門你應(yīng)該開(kāi)始學(xué)習(xí)的語(yǔ)言。與Python相比，它具有許多優(yōu)勢(shì)。谷歌正在大力投資，使Swift成為其TensorFlow ML基礎(chǔ)設(shè)施的一個(gè)關(guān)鍵組件，而且很有可能Swift將成為深度學(xué)習(xí)的語(yǔ)言。所以，早點(diǎn)開(kāi)始學(xué)習(xí)Swift也會(huì)是你一個(gè)先發(fā)制人的優(yōu)勢(shì)。