「人生苦短，我用 Python?！沟?Python 如日中天的今天，深度學(xué)習(xí)可能又需要一種新的編程語言。機器學(xué)習(xí)工程師 Max Pechyonkin 認(rèn)為 Swift 可能將成為重要的深度學(xué)習(xí)語言，他在一篇博客中簡要闡述了 Swift 的優(yōu)勢和發(fā)展前景。你會考慮學(xué)習(xí) Swift 嗎？
如果你懂編程，在聽到 Swift 時，你可能會想到為 iOS 或 MacOS 開發(fā)應(yīng)用程序。如果你懂深度學(xué)習(xí)，那么你肯定聽聞過 Swift for Tensorflow（簡稱 S4TF）：https://www.tensorflow.org/swift。那么你可能會問自己：「谷歌為什么要為 Swift 創(chuàng)建一個 TensorFlow 版本呢？畢竟已經(jīng)有 Python 和 C++版本了；為什么還要增加一種語言？」我將在本文中嘗試回答這一問題，并會列出你應(yīng)該認(rèn)真關(guān)注 S4TF 以及 Swift 語言本身的原因。本文的目的并非進(jìn)行詳盡的解釋，而是要提供一般性的概述，文中也會帶有大量鏈接以幫助你更深度地了解。
Swift 背后有強有力的支持
Swift 是 Chris Lattner 在蘋果公司工作時創(chuàng)造的?，F(xiàn)在，Chris Lattner 在谷歌大腦工作，而谷歌大腦是當(dāng)今世界上最優(yōu)秀的人工智能團隊之一。Swift 語言的創(chuàng)造者現(xiàn)在正在一家研究深度學(xué)習(xí)的實驗室工作，這足以說明這個項目是嚴(yán)肅的。
一段時間前，谷歌的人意識到，即使 Python 語言非常出色，也仍然存在一些難以克服的局限性。TensorFlow 需要一種新語言。經(jīng)過長時間的斟酌之后，Swift 成為了一個候選項。我這里不會談及細(xì)節(jié)，但這里有一份文檔描述了 Python 以及其它被考慮過的語言的缺陷，還會解釋為何最終將范圍縮小到了 Swift：https://github.com/tensorflow/swift/blob/master/docs/WhySwiftForTensorFlow.md
Swift for TensorFlow 不只是一個軟件庫
Swift for TensorFlow 不只是另一種語言的 TensorFlow。它本質(zhì)上是 Swift 語言本身的另一個分支。也就是說，S4TF 不只是一個軟件庫；它本身即是一門語言，其中內(nèi)置了支持 TensorFlow 所需的所有功能。舉個例子，S4TF 自帶非常強大的自動微分系統(tǒng)，這是深度學(xué)習(xí)在計算梯度時所需的基礎(chǔ)功能之一。對比一下 Python——自動微分并非該語言的核心組件。S4TF 中某些新開發(fā)的功能之后也被整合進(jìn)了 Swift 語言。
Swift 速度很快
在我剛得知 Swift 的運行速度和 C 語言代碼一樣快時，我震驚了。我知道 C 語言經(jīng)過高度優(yōu)化，能夠達(dá)到非常高的速度，但這需要對內(nèi)存進(jìn)行微管理（這讓 C 語言不能保證內(nèi)存安全）。另外，C 語言也非常不容易學(xué)習(xí)。
現(xiàn)在，Swift 在數(shù)值運算方面與 C 語言一樣快，而且還沒有內(nèi)存安全問題，學(xué)習(xí)難度也低得多。Swift 背后的 LLVM 非常強大，能夠進(jìn)行非常高效的優(yōu)化，這能確保你的代碼高速運行。
你可以在 Swift 中使用 Python、C 和 C++ 代碼
因為用于機器學(xué)習(xí)的 Swift 還處于非常早期的階段，所以目前針對 Swift 的機器學(xué)習(xí)庫還不多。但你也不用過于擔(dān)心這一點，因為 Swift 具備出色的 Python 解釋能力。你可以直接將任何 Python 庫導(dǎo)入 Swift 進(jìn)行使用。類似地，你也可將 C 和 C++ 庫導(dǎo)入 Swift（對于 C++，你要確保頭文件是以 C 語言寫的，沒有 C++ 的特性）。
總的來說，如果你需要特定的功能，但 Swift 中尚未實現(xiàn)，那么你可以導(dǎo)入對應(yīng)的 Python、C 或 C++ 軟件包。很了不起！
Swift 可以做到非常低層
如果你用過 TensorFlow，那么你很可能是通過 Python 使用的。在表層之下，Python 版本的 TensorFlow 庫的下面是 C 代碼。所以當(dāng)你調(diào)用 TensorFlow 中的任意函數(shù)時，你都會在某個層級上遇到 C 代碼。這意味著如果你要檢查其源代碼，你所能到達(dá)的層級是很有限的。比如說，如果你想要查看卷積的實現(xiàn)方式，那么你不會看到為此編寫的 Python 代碼，因為它是用 C 語言實現(xiàn)的。
Swift 則不一樣。Chris Lattner 將 Swift 稱為「LLVM（匯編語言）的句法糖果（https://www.fast.ai/2019/03/06/fastai-swift/）」。這意味著 Swift 本質(zhì)上非常靠近硬件，其間沒有用 C 語言編寫的其它層的代碼。這也意味著 Swift 代碼非常快，就像前面提到的那樣。這樣的特性讓開發(fā)者既能在非常高的層級上檢查代碼，也能深入非常低的層級，同時無需涉及 C 語言。
Swift 的未來發(fā)展
Swift 只是谷歌在深度學(xué)習(xí)領(lǐng)域的創(chuàng)新的一部分。另外還有一個非常相關(guān)的組件：MLIR：https://medium.com/tensorflow/mlir-a-new-intermediate-representation-and-compiler-framework-beba999ed18d。MLIR 全稱為 Multi-Level Intermediate Representation，即多級中間表示。MLIR 將會成為谷歌的統(tǒng)一編譯器基礎(chǔ)設(shè)施，讓開發(fā)者可以用 Swift（或其它任何支持的語言）寫代碼，然后將其編譯到任何支持的硬件。目前，針對不同的目標(biāo)硬件有很多不同的編譯器，而 MLIR 將改變這種情況。這不僅能讓代碼實現(xiàn)復(fù)用，而且還支持開發(fā)者為該編譯器編寫定制的低層組件。它還允許研究者應(yīng)用機器學(xué)習(xí)來優(yōu)化低層算法：
盡管 MLIR 是用作機器學(xué)習(xí)的編譯器，我們也看到它也能在編譯器內(nèi)部實現(xiàn)機器學(xué)習(xí)技術(shù)的應(yīng)用！這是尤其重要的，因為開發(fā)數(shù)值庫的工程師的增長速度趕不上機器學(xué)習(xí)模型或硬件多樣化的速度。
想象一下，如果能夠基于數(shù)據(jù)使用深度學(xué)習(xí)來幫助優(yōu)化低層的內(nèi)存分片算法（這正是 Halide 語言想要實現(xiàn)的功能），會怎么樣？有關(guān) Halide 語言的更多信息：https://www.youtube.com/watch?v=3uiEyEKji0M。這還僅僅是個開始，機器學(xué)習(xí)在編譯器中更多有創(chuàng)意的應(yīng)用正在路上！
總結(jié)
如果你在深度學(xué)習(xí)領(lǐng)域，那么你可能就應(yīng)該開始學(xué)習(xí) Swift 了。它相比于 Python 有很多優(yōu)勢。谷歌正在大力投入，想要將 Swift 打造成 TensorFlow 機器學(xué)習(xí)基礎(chǔ)設(shè)施的一大關(guān)鍵組成部分，而且 Swift 很有可能會變成一門深度學(xué)習(xí)語言。所以，早點參與到 Swift 的發(fā)展中能為你提供先發(fā)優(yōu)勢。
進(jìn)一步探索
原文鏈接：https://pechyonkin.me/portfolio/why-swift-for-tensorflow/
