いつものようにJuliaの情報をウォッチしていたら偶然にもSIMD.jlなるパッケージを発見しました。名前からしてヤバそうなスメルを感じるわけですが、試してみたら非常にヤバイ(いい意味)感じでしたので、取り急ぎご紹介します。 SIMDを使ったベクトル化は1命令で複数の演算をする並列化計算の手法です。最適化のよく効く言語なら、SIMDを使ったベクトル化はコンパイラが自動的にやってくれることもあるのですが、複雑な計算の場合はうまく行かず、結局手で書くことも多いです。CやC++では、SIMD intrinsicsなるものがあり、計算をベクトル化して書くことができるわけですが、これ ( https://software.intel.com/sites/landingpage/IntrinsicsGuide/ ) を見ながらせっせと使える命令を調べて型を合わせることになり、非常に面倒です。それで、J
この記事はJulia Advent Calendar 2017の17日目の記事です. 普段はpythonばかり書いていて,juliaは最近文法覚えてきたかなレベルなので色々許してください. コードの全体はここにあります. github.com 概要 この記事では擬似コードや数式を可能な限りそのままプログラムすることを目的とします. unicode文字を使いまくって以下の画像のようなプログラムを作成します. juliaとpythonで実装して,書きやすさと実行速度を比較します. 書きやすさが悪化するので型指定はしません. 結論は以下です. juliaのほうが色んなunicode文字が使えるから,書きやすく可読性が高い. インデックスが1から始まるのがいい. juliaのほうが倍程度速くなることもあるけど,思ったより速くならない (型指定してないから) juliaのeinsumを何も考えずに使
Gamma Process Non-negative Matrix Factorization (GaP-NMF) in Julia 最近 Julia で遊んでいて、その過程で非負値行列因子分解(NMF)のノンパラ版の一つであるGamma Process Non-negative Matrix Factorization (GaP-NMF) を書いてみました。(まぁmatlabコードの写経なんですが) https://github.com/r9y9/BNMF.jl 元論文: Bayesian Nonparametric Matrix Factorization for Recorded Music by Matthew D. Hoffman et al. in ICML 2010. デモ http://nbviewer.ipython.org/github/r9y9/BNMF.jl/blo
The page been moved to https://mikeinnes.io/2017/08/24/cudanative.html
Symbolic math with juliaIntroductionThe julia language bills itself as "fresh approach to technical computing." By saying "fresh" the implication is that there exists many older approaches to technical computing. Indeed there are. For mathematical areas there are three different philosophies for computing: symbolic, numeric, and general purpose. The symbolic approach is the domain of Computer Alge
Purpose¶ Mamba is an open platform for the implementation and application of MCMC methods to perform Bayesian analysis in julia. The package provides a framework for (1) specification of hierarchical models through stated relationships between data, parameters, and statistical distributions; (2) block-updating of parameters with samplers provided, defined by the user, or available from other packa
9月27日の JuliaTokyo #2 で『Juliaで学ぶ Hamiltonian Monte Carlo (NUTS 入り)』と題してHamiltonian Monte Carlo (HMC) とStanで使われているNUTSについてお話してきました。 JuliaTokyo #2 - connpass 内容 Juliaで学ぶ Hamiltonian Monte Carlo (NUTS 入り) from Kenta Sato サンプルコード: bicycle1885/JuliaTokyo2HMC · GitHub MCMC自体については30分ではほとんど説明できませんでしたが、会場のほとんどの方が既に知っているようでしたのでちょうど良かったようです。 全体の流れとしては、Metropolis-Hastings、Hamiltonian Monte Carlo、No-U-Turn Samp
前置き 元ネタは、結城浩氏著の「数学ガール 乱択アルゴリズム」。 新しい言語を覚えるとき、慣れるために「充足可能性問題(3-SAT)を解く乱択アルゴリズム」(p.353)を実装するという癖をつけていま1す。 ということで。前回の Egison版 に引き続き。勉強開始約1ヶ月の Julia ( http://julialang.org/ ) で実装してみました2。 開発環境・動作確認環境 Mac OSX 10.9.5 Julia 0.3.5 コード # Rw3sat.jl sample(a::Array) = a[rand(1:end)] immutable Literal index::Int not::Bool end literal(index, not) = Literal(index, not) # issatisfied(l::Literal, x::BitArray{1}) =
Automatic differentiation is a term I first heard of while working on (as it turns out now, a bit cumbersome) implementation of backpropagation algorithm – after all it caused lots of headaches as I had to handle all derivatives myself with almost pen-and-paper like approach. Obviously I made many mistakes until I got my final solution working. At that time, I was aware some libraries like Theano
We are pleased to announce the release of Julia 0.4.0. This release contains major language refinements and numerous standard library improvements. A summary of changes is available in the NEWS log found in our main repository. We will be making regular 0.4.x bugfix releases from the release-0.4 branch of the codebase, and we recommend the 0.4.x line for users requiring a more stable Julia environ
A Brief Introduction to Metaprogramming in Julia In contrast to my previous post, which described one way in which Julia allows (and expects) the programmer to write code that directly employs the atomic operations offered by computers, this post is meant to introduce newcomers to some of Julia’s higher level functions for metaprogramming. To make metaprogramming more interesting, we’re going to b
はじめに こんばんは。統計的声質変換(以降、簡単に声質変換と書きます)って面白いなーと思っているのですが、興味を持つ人が増えたらいいなと思い、今回は簡単なチュートリアルを書いてみます。間違っている箇所があれば、指摘してもらえると助かります。よろしくどうぞ。 前回の記事(統計的声質変換クッソムズすぎワロタ(実装の話) - LESS IS MORE)では変換部分のコードのみを貼りましたが、今回はすべてのコードを公開します。なので、記事内で示す声質変換の結果を、この記事を読んでいる方が再現することも可能です。対象読者は、特に初学者の方で、声質変換を始めたいけれど論文からコードに落とすにはハードルが高いし、コードを動かしながら仕組みを理解していきたい、という方を想定しています。役に立てば幸いです。 コード https://github.com/r9y9/VoiceConversion.jl Jul
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