こんにちは、優勝しました。 背景 Juliaを使おうとしたら様々な環境構築時のトラブルに見舞われました。終わりです。 使えるけどストレスなところ グラフの描画が遅い matplotlibと比較してしまう PyPlotが使えない -> ローカルPCのpyenvのせい Plotsを使うことにした グラフを描画しても画像に焼いてブラウザから見るしかなかった 困ったこと pkgのインストールにたまに失敗する すでに削除したはずのpkgが原因で実行時にエラーがこびりつく これらは全部ローカル環境でJuliaを使おうとしているために起こる問題です。原因解決するのも時間かかるし、将来的なことを考えてDockerを使うことを決意しました。 Dockerの構成 全部Jupyter Labに投げる方針です。Jupyter公式のイメージを持ってくるだけで、Python、Julia、Rが使えるらしいです。 Doc
はじめに 2022年11月10日にGitHub Codespaces が月60時間無料にするとアナウンスがありました。以前,Julia言語をweb上で使ってみたいと思っていたのですが,サーバをするか,有料のサービスしかなかったので,「これはできるのでは?」と思ってチャレンジです。ゴールはiPadからのアクセスです。 GitHub Codespacesでの設定 まずはGitHubのアカウントが必要です。サインインして,Codespacesで利用したいリポジトリのところで,CodeのところからCodespacesを選び作成します。アナウンスがあってすぐ始めようとしたのですが,そのときは「今準備しているから,ちょっと待って。」みたいな表示でした。1日くらいしたら,activeになりました。 ちょっと時間はかかりますが,VScodeが立ち上がります。下記の動画を参考にしました。 左下の歯車マークか
div.ProseMirrorSolving PDEs in JuliaJuliaCon 2018 workshopChris Rackauckas How are finite elements, multigrid methods, ODE solvers, etc. all the same topic? Teach a man to fish: we won't be going over pre-built domain specific PDE solvers, instead we will be going over the tools which are used to build PDE solvers. While the basics of numerically solving PDEs is usually taught in mathematics cours
Juliaで学ぶ計算論的神経科学# このサイトは計算論的神経科学 (Computational Neuroscience) をプログラミング言語 Juliaを通して学習することを目標とします.内容に関する指摘やコメントは各ページ末尾のコメント欄からしていただければ幸いです (GitHubアカウントが必要です). (2021/04/03追記)本サイト『Juliaで学ぶ計算論的神経科学』の書籍化企画が講談社サイエンティフィクで承認されました.出版予定は2025年春です.若輩者ゆえ荷が重くはありますが,神経科学・Julia界隈の方々には何卒応援いただきたく存じます. 依存ライブラリ# IJulia, LinearAlgebra, Random, Parameters, Distributions, Statistics, Plots, PyPlot, ProgressMeter, MAT, ML
Juliaを使って、精度保証付き数値計算の方法を紹介します。精度保証付き数値計算は「敷居が高い」と言われ続けていますが、その敷居をみんなが跨げるようにするのが本稿の目的です。Juliaは近年飛ぶ鳥を落とす勢いの計算機言語で、区間演算が実装されているIntervalArithmetic.jlというパッケージがあります。これを利用して、精度保証付き数値計算を実装した例を紹介します。精度保証付き数値計算ってこうやるんだと身近に感じてもらい、今後使ってもらったら嬉しいです。 注意 区間演算の実装であるIntervalArithmetic.jlの実装にまだ不安があり、精度保証付き数値計算で論文を書くときは、MATLABのINTLABやC++のkvライブラリを利用することを推奨します。今はまだ、こうやって実装するのかと気軽に精度保証付き数値計算を体感してもらうためのコンテンツです。今後、区間演算の実装
時限、教室 水曜日 2限、理学部棟 B214教室 参考 web, link先等 The Julia Language 科学技術計算専用言語 “Julia” の本家 web. オンラインマニュアルや、Pkg の情報についてはここをまず頼ることになるだろう. julia について 本教官が少しずつ記述を追加している、julia の解説 web. とりあえず「超入門」を読んでおくと良いだろう. juliabox 無料で web browser から使える julia 環境だ. 授業にはぴったり.2回目の授業までに(できれば初回までに)ログインできるようにしておこう. 参考 書籍 Unix に関する,自分に合う本を一冊は買っておくと大変役に立つ. 特に修論の追い込み時期など,時間がない時こそ Unix を使っての「時間短縮」が有難いはず… 下記に少し列挙しておくが,他のものでも構わないので,自分に
10-element Array{Tuple{Int64,Float64,Float64},1}: (2, 0.523599, 0.523599) (4, 0.109662, 0.109662) (6, 0.0656217, 0.0656217) (8, 0.061847, 0.061847) (10, 0.0785043, 0.0785043) (12, 0.12485, 0.12485) (14, 0.238402, 0.238402) (16, 0.531176, 0.531176) (18, 1.35261, 1.35261) (20, 3.87494, 3.87494) figure(figsize=(10,8)) x = linspace(0.5, 100.5, 401) y = linspace(-50,50,401) s = x' .+ y*im z = ξ.(s) sub
with periodic boundary conditions. When we update the \(i\)-the spin (using the procedure described in the previous section), the energy difference of the two states can be computed as \(\Delta E = E_\uparrow - E_\downarrow = - 2h\) with \(O(1)\) operations. Here, \(h = S_{i-1} + S_{i+1}\) is the effective magnetic field acting on the \(i\)-th spin from the other spins (i.e., the nearest-neighbor
はじめに タイトルは五七五です。 そんなことより,Juliaを学んでいる時に何をベースにして図を描こうか迷いませんか?私は迷いました。 Plots.jl が一般的のような印象を受けますが,他にも様々な可視化パッケージがあるようです。Julia 熟練者からすれば「自分でパッケージを作れば良いじゃないか」「自分でプルリク送れば万事解決」と思われるかもしれませんが,初学者兼非ガチ勢の私にはハードルが高めです。加えて,本質的な進捗に繋がらないので,データ可視化とそのスキル習得には極力時間をかけたくない…という気持ちもあります。 また,Juliaの全ての分野に精通していそう(?)な @bicycle1885 さんが次のように仰っていたので,勝手ながら引用させていただきます。 Juliaでプロットするには何を使えば良いんですかと聞かれると舌を噛み切って死ぬ。 — (「・ω・)「ガオー (@bicyc
この記事は? この記事は、TensorFlow Advent Calendar 2018の17日目の記事です。 この記事の内容は? Arxivに投稿された論文、Automatic Full Compilation of JULIA Programs and ML Models to Cloud TPUsのまとめです。特に、TPUのためのコードを生成するためにはどうすればよいか、ということについてまとめます。一言でまとめれば、 です。この論文に書かれている内容は、XLA.jiで試すことができるようです。ただし、残念ながら論文に書かれている部分はコンパイル済みバイナリとして提供されていて、実装を見ることはできません。 とにかく、JuliaのコードをTPUで動かしてみたい人向け 論より証拠、という方はXLA.jiとして公開が実装されているので、こちらを実行してみてください。詳しい使い方は、XLA
Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares Stephen Boyd and Lieven Vandenberghe Cambridge University Press This book is used as the textbook for our own courses ENGR108 (Stanford) and EE133A (UCLA), where you will find additional related material. If you find an error not listed in our
High-Performance GPU Computing in the Julia Programming Language Julia is a high-level programming language for mathematical computing that is as easy to use as Python, but as fast as C. The language has been created with performance in mind, and combines careful language design with a sophisticated LLVM-based compiler [Bezanson et al. 2017]. Julia is already well regarded for programming multicor
僕は言語を作るきっかけとか思想とかに興味があるので、日頃から新言語を見つけてはニヤニヤしてるんですが、つい昨日Juliaという新言語のリリース記事を読んで、面白そうだったので、紹介がてら粗く翻訳してみました。 なぜ僕らはJuliaを作ったか(原文:Why We Created Julia) 2012年2月14日(火) | Viral Shah, Jeff Bezanson, Stefan Karpinski, Alan Edelman 端的に言えば、僕らは欲張りだからだ。 僕らはMatlabのパワーユーザーだ。LispハッカーやPython使いやRuby使いもPerlハッカーもいる。髭が生える前からMathematicaを使っていたのもいるし、未だに髭が生えてない仲間もいる。常識的な人にはオススメしないくらい多くのグラフをR言語で描いてきた。そしてC言語は僕らのユートピアだ。 いま挙げた言
Julia の便利なパッケージの一つがこの ForwardDiff. いや~、ありがたやありがたや. なんとこいつは、関数 $f$ を与えると自動微分をしてくれる. 自動微分ってのは、関数計算を tree に展開して、その枝に各計算要素の微分係数を重みとして貼り付けることによって、関数計算のわずか数倍程度の計算量で偏微分値関数を生成するという手法 1 で、数値解析のきちんとした本なんかに載っているやつだ. つまり、$\mbox{grad } f ( = \nabla f)$ やら Hessian やら Jacobian やらを計算してくれるのだ. これらの量は重要で、例えば非線形連立方程式を解くために Newton 法を使おうとすると 2 、その方程式を関数とみなしたときの Jacobian が必要になる. こうした場合、連立の次元数 $N$ は普通に 1000 とか 10000 などとい
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く