Julia vs Python：哪种编程语言会是2019年机器学习界的No 1？

Julia最近迎来了1.0版本，其背后的开发者现在致力于让它成为机器学习领域的首选语言。

帮助实现这个目标的是Flux，这是一种面向Julia的机器学习软件库，旨在使机器学习代码更易于编写、简化训练过程，并且在GPU和谷歌的张量处理单元（TPU）之类的硬件加速器上提供与竞争性框架相比明显的性能优势。

如今，Python和R两大语言通常在机器学习领域占主导地位，就开发人员当中的人气指数而言，Python仍然是增长速度最快的编程语言，这在很大程度上取决于它拥有强大的机器学习框架和库。相比之下，只有比较少的开发人员使用刚刚兴起的Julia。

话虽如此，Julia背后的团队表示，他们开发的这种语言非常适合构建可微分算法，可微分算法是指数据驱动的过程代码，可用于构建机器学习中所使用的神经网络。

Julia团队在一篇博文中写道：“我们需要一种语言来编写可微分算法，而Flux助力Julia成为这种语言。”

“Julia是针对数学和数值计算从头开始设计的，异常适合表达机器学习算法。与此同时，它融合了编译器方面的现代设计和新颖想法，因而更容易满足先进机器学习的高性能要求。”

据博文声称，Flux库使用各种面向机器学习的工具扩展了Julia的编译器，支持在性能与开发人员的控制之间取得更好平衡的一级梯度、面向GPU的即时CUDA内核编译、训练期间减少开销的自动批量处理以及便于在谷歌TPU上运行的优化。

该团队表示，Julia连同Flux以及即将推出的可微分编程语言Myia和最近的Swift for Tensorflow，可能很快就会挑战传统的机器学习框架和方法。

该团队写道：“我们认为，机器学习的未来在于语言和编译器技术，尤其在于扩展新旧语言以满足机器学习研究的高要求。”他们补充道，“支持微分、矢量化和异种硬件的”语言将“推动科学领域的诸多进步。”

Julia团队称：“这些下一代工具（Myia、Swift/TF和Flux）想成为与现有的对应框架（TensorFlow、PyTorch和Knet）一样适用于生产环境还有一段路要走。”

“但如果你在机器学习取得新的突破，它们可能是你最好的选择。试用一下它们，看看机器学习的未来是什么样子。”

今年早些时候Julia迎来版本1.0后，这种语言的用户们大体看好它的进展情况，不过一些人仍对其错误处理和说明文档毫无帮助的现状感到担忧。