Software-update: Julia 1.9.1

Julia logo (79 pix)Julia is de naam van een high-level, high-performance dynamische programmeertaal voor numerieke wiskunde. Het bevat onder andere een krachtige compiler, distributed parallel execution en een uitgebreide library van wiskundige functies. De kern van Julia wordt onder de MIT-licentie uitgegeven, terwijl verschillende libraries andere licenties gebruiken, zoals gpl, lgpl en bsd. Voor meer informatie verwijzen we naar deze pagina. Versie 1.9.1 is kort geleden uitgekomen en hierin treffen voornamelijk bugfixes en kleine verbeteringen aan.

Julia 1.9.1 has been released

As a patch release, 1.9.1 contains no new features or breaking changes, only bug fixes, documentation improvements, and performance improvements. You can see the list of commits included since 1.9.0 here. We recommend that anyone currently using 1.9.0 upgrade to 1.9.1.

Julia

Versienummer 1.9.1
Releasestatus Final
Besturingssystemen Windows 7, Linux, BSD, macOS, Windows 8, Windows 10, Windows 11
Website Julia
Download https://julialang.org/downloads/
Licentietype Voorwaarden (GNU/BSD/etc.)

Door Bart van Klaveren

Downloads en Best Buy Guide

19-06-2023 • 08:14

4

Bron: Julia

Update-historie

11-07 Julia 1.11.6 4
15-04 Julia 1.11.5 2
11-03 Julia 1.10.9 / 1.11.4 8
10-'24 Julia 1.11 0
08-'24 Julia 1.10.5 0
06-'24 Julia 1.10.4 0
04-'24 Julia 1.10.3 1
03-'24 Julia 1.10.2 0
12-'23 Julia 1.10 4
11-'23 Julia 1.9.4 0
Meer historie

Reacties (4)

4
4
4
0
0
0
Wijzig sortering
Ik ben R-gebruiker en ik zie de laatste tijd zo wel eens Julia voorbij komen voor statistische/economische/data science-achtige toepassingen. Wat voor grote voordelen heeft Julia tegenover R (of Python)?
Ik ben R-gebruiker en ik zie de laatste tijd zo wel eens Julia voorbij komen voor statistische/economische/data science-achtige toepassingen. Wat voor grote voordelen heeft Julia tegenover R (of Python)?
Hoofdstuk 1 docs:
https://docs.julialang.org/en/v1/

Because Julia's compiler is different from the interpreters used for languages like Python or R, without direct C dependency, you may experience that Julia's performance is unintuitive at first. If you experience that something is slow, they highly recommend reading through the Performance Tips section before trying anything else. Once you understand how Julia works, it's easy to write code that's nearly as fast as C.

Julia is een taal die o.a. ontstaan is om de uitdaging aan te gaan om de handling van digitale wetenschappelijke notaties sterk te vereenvoudigen. Een klassiek computertalen-probleem, zoals ook @keraton waarneemt, en m.n. bekent bij gebruikers van producten als LaTeX, SPSS, Wolfram, Matlab en dergelijke software. Denk ook aan wiki's en het .svg format.

Mijn inziens hebben alle moderne en succesvolle talen deze problematiek min of meer verbeterd t.o.v. de situatie in het vorige Millenium. De welbekende frameworks, waarin Python, academisch gezien een mega rol speelt.

Ook is dat meer een UTF-8 iets dan het taal-aspect, m.n qua impact op en evolutie van computertalen. Maar de toepassing blijft een niche, absoluut gezien een enorme kloof, m.n. academisch van aard, hoewel het aantal nerds en geeks wel groeit door interesse in data-science automatisering (en scherm-verslaving).

En het antwoord op je vraag is voornamelijk subjectief en persoonlijk, en voor velen ook nog puur speculatief.

Ben je een goede programmeur? Wat voor problemen wil je oplossen? Bevalt de syntax van R/Python? Welke workflows kunnen jouw inziens beter?
Of beter: wat bevalt er niet aan je huidige R/Python skills/setup en/of aan de mogelijkheden die de talen en het ecosysteem je bieden?

Je kan ook ff de MIT course "computational thinking" doorlopen:
https://computationalthinking.mit.edu/Spring21/

Kom je terug om je ervaringen te delen?

[Reactie gewijzigd door Bulkzooi op 31 juli 2024 05:53]

Zijn er nou ook mensen die Julia gebruiken met OpenCL en ROCm? Hoe meer taken per seconde, hoe beter zeg ik altijd maar.

Dat het rekenen op Intel, Nvidia en CUDA (aka de Jupyter notebook) snel is geloof ik wel, maar hoe zit het op ARM of AMD hardware? En qua de Vulkan API, of andere grafische API's?

Ik was van plan een eigen weer-supernode te maken in Kodi, werknaam Omnidroids, en die always-ready filosofie van de Mediatek Dimensity 9300 spreekt me ook wel aan.

Achtergrond hierbij is toch wel ARM's nieuwe strategy, waarbij workstation scenario's ook interessant worden:
review: Arms nieuwe mobiele platform: meer cores, meer rekenkracht en zuiniger
Dan kan Mediatek die Armv9.2 architecture met hetzelfde Cortex-X4 complex shrinken naar 3mm, en dan daaromheen een x-aantal componenten, zoals die van ARM, met de Cortex-A720 CPU en het Mali G720 GPU cluster (of een Nvidia RTX-chiplet) en dan die aan elkaar glue'en, naar een gewenst powerbudget, ie. 65W. Hup, zo de SoC in met die rekenkernen om eerst in een 28W ultra-flashy Chromebook te eindigen.
Nog ff een distro's als Deepin erop knallen, et voila, always-ready battery compute, en dan heel lekker responsive & seamless en zo.

Total efficiency bangers, en ideaal voor studenten en academici. En dat met een aangekleedde & opgetuigde mid-range mobile chip, die ook nog eens een tikkeltje brocante is en voorheen weleens neerbuigend als "Casio chips" werd bestempeld.

En met hun snelle implememtatie mindset en omstelfocus ziet het er op 3nm ook goed uit voor Mediatek.
Het lijkt mij dan ook alle hens aan dek bij AMD, en vooral Intel. The ARM-powertrain is er overheen gewalst, en als eerst gaat sub <$150 eraan. Intel kan Apple in High-end ook al niet meer de baas, en voor specifieke toepassingen zijn er ook alweer honderden oplossingen, zoals Nvidia, Google NPU/TPU, etc. Tot en met Tesla, Amazon en Alibaba die hun eigen chips maken.

[Reactie gewijzigd door Bulkzooi op 31 juli 2024 05:53]

Op dit item kan niet meer gereageerd worden.