Python vs Julia - an example from machine learning —Andrew Tulloch
In Speeding up isotonic regression in scikit-learn, we dropped down into Cython to improve the performance of a regression algorithm. I thought it would be interesting to compare the performance of this (optimized) code in Python against the naive Julia implementation. This article continues on from the previous one, so it may be worth reading that before continuing here to obtain the necessary ba
LL Ring Recursive
概要 技術的特異点まであと30年。今年は人工知能技術が大きく注目を集めました。人工知能技術の基盤となる機械学習やデータ分析の研究分野では、GPUやFPGAのようなハードウェア技術も重要ですが、とてもよく出来たLLフレームワークによって支えられています。この新しい技術を支えるLLフレームワークを、ライブコーディングやLTによって紹介していただきます。 出演者 佐藤建太 (東京大学/JuliaTokyo) 東京大学大学院農学生命科学研究科修士2年。プログラミング言語Juliaのヘビーユーザーで、ユーザーグループ「JuliaTokyo」の立ち上げメンバーのひとり。NumFOCUSが主催するオープンソース・ソフトウェアプロジェクト支援プログラム「Julia Summer of Code」の参加者。 大野健太 (Preferred Networks) 2011年東京大学大学院 数理科学研究科 修士課
Juliaで並列計算 - sfchaos's blog
Juliaでの並列計算に関する調査メモ。 Juliaでの並列計算の概要 Juliaでのマルチプロセッシング環境は、メッセージパッシングに基づいている。MPIなどの通常のメッセージパッシングは、プロセス間でデータや命令などを相互にやりとりする。しかし、Juliaのメッセージパッシングの実装はあるプロセスから他のプロセスへの一方通行であることが特色となっている。そのため、ユーザは片方のプロセスの管理だけを行えば良い。 あるプロセスから他のプロセスへのメッセージとして重要なのが、"remote call"(remotecall関数)と"remote reference"(fetch関数)である。これらはそれぞれ、「あるプロセスから他のプロセスへの処理の指示」、「指示された処理を行ったプロセスでの処理結果を指示を出したプロセスが参照」に対応する。 remote call(remotecall関数)
1
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
