Julia 語言的未來性

3月 28, 2021 分類 My Style, Computer Science, Julialang

Julia 作為一個新興的語言，他有眾多的優點，他不僅執行快速，而且像 python 一樣，是動態語言非常容易上手好寫。Julia 本身的套件管理系統也具有足夠高的再現性（reproducible），並且自動安裝內含編譯過的函式庫檔案。作為一個泛用性以及開源的程式語言，這些特色帶來許多優點。

隨著今日科學社群不斷的擴大，科學計算與數值計算相關的軟體也不斷的發展，Julia 作為一個以科學計算為目的的語言，不僅融合了現代的科學計算工具、新穎的演算法、優異的性能，以及平易近人的語法。由於 Julia 優異的語法設計，搭配多重分派以及型別系統，讓獨到的即時編譯（just-in-time compilation）變得自然，型別推斷讓 Julia 的速度得以提升。

繼續閱讀

在 Julia 的 parametric methods 使用數值型別（numerical type）

3月 19, 2021 分類 My Style, Computer Science, Julialang

對於 Julia 比較不熟悉的使用者或開發者，要怎麼定函式的參數型別是一個大學問。

1
2
3

function average(xs)
    return sum(xs)/length(xs)
end

例如以上的 average 函式，xs 要定成什麼樣的型別比較好？

可能有人會以他所測試的情境去定：

julia> xs = rand(10)
10-element Array{Float64,1}:
 0.8261912048684596
 0.4466692353358077
 0.6337754306737924
 0.1297961522759261
 0.4699412442087936
 0.6194816490253636
 0.8258926319092839
 0.05094839501664228
 0.21008570113108194
 0.16250331333741275

julia> function average(xs::Array{Float64,1})
           return sum(xs)/length(xs)
       end
average (generic function with 1 method)

julia> average(xs)
0.4375284957782564

繼續閱讀

Julia 語言的未來性

在 Julia 的 parametric methods 使用數值型別（numerical type）

Yueh-Hua Tu