如果你喜歡編程，當(dāng)你聽到Swift，你可能會想到iOS或MacOS的應(yīng)用程序開發(fā)。如果你正在進(jìn)行深度學(xué)習(xí)，那么你一定聽說過Swift for Tensorflow(縮寫為S4TF)。然后，你可以問自己:“為什么谷歌要為Swift創(chuàng)建一個TensorFlow版本?”Python和c++已經(jīng)有了版本;為什么要添加另一種語言?在這篇文章中，我將試著回答這個問題，并概述為什么你應(yīng)該認(rèn)真遵循S4TF以及Swift語言本身的原因。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背后有強大的支持

Swift是Chris Lattner在蘋果工作時創(chuàng)造的?，F(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隊。事實上，Swift語言的創(chuàng)造者現(xiàn)在在實驗室從事深度學(xué)習(xí)的研究來告訴你，這是一個嚴(yán)肅的項目。

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

不僅僅是一個庫

Swift對于TensorFlow不僅僅是另一種語言的TF。它本質(zhì)上是Swift語言本身的另一個分支(在git的意義上)。這意味著S4TF不是一個庫;它本身是一種語言，內(nèi)置了支持TensorFlow所需的所有功能的特性。例如，S4TF中有一個非常強大的自動微分系統(tǒng)，這是計算梯度所需要的深度學(xué)習(xí)的基礎(chǔ)之一。對比一下Python，在Python中，自動區(qū)分不是語言的核心組件。最初作為S4TF的一部分開發(fā)的一些功能后來被集成到Swift語言本身。

Swift很快

當(dāng)我第一次知道Swift的運行速度和C代碼一樣快時，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)存為代價的，這導(dǎo)致C的內(nèi)存不安全)。此外，C語言不是一門很容易學(xué)的語言。

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

在SWIFT中可以使用多種代碼

因為機器學(xué)習(xí)的Swift還處于非常早期的階段，這意味著適合Swift的機器學(xué)習(xí)庫并不多。不必?fù)?dān)心，因為Swift具有驚人的Python互操作性。只需導(dǎo)入Swift中的任何Python庫，它就能正常工作。

類似地，您可以將C和c++庫導(dǎo)入到Swift中(對于c++，您需要確保頭文件是用純C編寫的，而沒有c++特性)?？傊?，如果您需要特定的功能，但它還沒有在Swift中實現(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TensorFlow，那么很可能是通過Python包完成的。在底層，Python版本的TensorFlow庫底層有C代碼。所以當(dāng)你調(diào)用TensorFlow中的任何函數(shù)時，在某種程度上你會碰到一些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現(xiàn)的，您將無法看到Python代碼，因為它是在C語言中實現(xiàn)的。

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

接下來是什么

Swift只是谷歌深度學(xué)習(xí)創(chuàng)新的一部分。還有一個非常密切相關(guān)的組件:MLIR，它代表多級中間表示。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言)編寫代碼，并將其編譯到任何受支持的硬件。目前，針對不同的目標(biāo)硬件有大量的編譯器，但是MLIR將改變這一點，不僅允許代碼重用，還允許編寫定制的編譯器底層組件。它還將允許研究人員應(yīng)用機器學(xué)習(xí)來優(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器學(xué)習(xí)技術(shù)!這一點尤其重要，因為開發(fā)數(shù)字庫的工程師的擴展速度趕不上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，這僅僅是機器學(xué)習(xí)在編譯器中的開始和其他創(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)該開始學(xué)習(xí)的語言。與Python相比，它具有許多優(yōu)勢。谷歌正在大力投資，使Swift成為其TensorFlow ML基礎(chǔ)設(shè)施的一個關(guān)鍵組件，而且很有可能Swift將成為深度學(xué)習(xí)的語言。所以，早點開始學(xué)習(xí)Swift也會是你一個先發(fā)制人的優(yōu)勢。