Swift“背景硬”：背后有强大的支持

Yann LeCun曾说，深度学习可能需要一种新的编程语言了。现在Swift来了！没错，这就是让万千饱受Python缺点困扰的开发者兴奋不已的深度学习语言。本文便将带领读者详细了解一下为什么Swift将成为深度学习的下一大热门。

当你听到Swift的时候，第一反应肯定会想到iOS或者MacOS的应用程序开发。当你玩儿过深度学习，也肯定听说过Swift for Tensorflow(缩写为S4TF)。

而后你就会产生困惑：“为什么谷歌要为Swift创建TensorFlow版本呢？已经有了Python和C++版本了，为什么还要添加另一种语言？”

在这篇文章中，作者将尝试回答这些问题，并告诉你为什么要认真遵循S4TF以及Swift语言本身。 本文的目的不是提供非常详细的解释，而是提供下文大量链接内容的一般概述，方便读者深入挖掘。

Swift for Tensorflow官方地址：

https://www.tensorflow.org/swift/

Swift“背景硬”：背后有强大的支持

Swift是Chris Lattner在苹果公司工作时创建的。 Swift语言的创造者现在在实验室从事深度学习的研究，这一事实应该告诉你，这就是一个严肃的项目。

前段时间，谷歌的员工意识到一件事情：尽管Python是一种优秀的语言，但它有许多难以克服的局限性——TensorFlow需要一种新的语言。

经过长时间的考虑，Swift被选为候选语言。作者没有在本文详细介绍，但下方链接中的文档描述了Python的缺点、在候选语言筛选过程中考虑哪些语言，以及最终为何Swift当选。

https://github.com/tensorflow/swift/blob/master/docs/WhySwiftForTensorFlow.md

对于TensorFlow来说，Swift不仅仅是一个库

Swift对于TensorFlow不仅仅是另一种语言的TF。

它本质上是Swift语言本身的另一个分支(在git术语中)。这意味着S4TF不是一个库；它本身就是一种语言，内置了支持TensorFlow所需的所有功能的特性。

例如，S4TF中有非常强大的自动微分系统，这是计算梯度所需要的深度学习的基础之一。对比一下Python，在Python中，自动微分不是语言的核心组件。最初作为S4TF的一部分开发的功能后来被集成到Swift语言本身。

Git地址：

https://git-scm.com/book/en/v1/Git-Branching-What-a-Branch-Is

有关自动微分：

https://github.com/tensorflow/swift/blob/master/docs/AutomaticDifferentiation.md

Swift速度极快

当作者第一次知道Swift的运行速度和C代码一样快时，作者表示非常惊讶。

我们知道C语言是高度优化的，可以达到非常高的速度，但这是以微管理内存为代价的，这导致C语言不是内存安全的。此外，C语言并不是一门很容易学的语言。

现在，Swift在数值计算中运行得和C一样快，而且它没有内存安全问题，而且它更容易学习。Swift背后的LLVM编译器非常强大，并且有非常高效的优化，这就确保了代码运行的速度。

Swift为何和C一样快：

https://www.fast.ai/2019/01/10/swift-numerics/

在Swift中可以使用Python，C和C ++代码

由于适用于机器学习的Swift还处于早期阶段，这意味着适合Swift的机器学习库并不多。

但不必过于担心这一点，因为Swift具有惊人的Python互操作性。

只需导入Swift中的任何Python库，它就能正常工作。类似地，可以将C和C++的库导入Swift（对于C++，需要确保头文件是用纯C编写的，没有C++特性）。

有关Python互操作性：

https://github.com/tensorflow/swift/blob/master/docs/PythonInteroperability.md

导入C和C++库：

https://oleb.net/blog/2017/12/importing-c-library-into-swift/

总而言之，如果需要特定功能，但尚未在Swift中实现，则可以导入相应的Python，C或C ++包。

Swift可以在非常底层的地方运行

如果你曾经使用过TensorFlow，那么通常情况下可能是通过Python包完成的。

在底层，Python版本的TensorFlow库底层有C代码。所以当你调用TensorFlow中的任何函数时，在某种程度上你会碰到一些C代码。

这意味着检查源代码的速度是有限的。例如，如果你想了解卷积是如何实现的，你无法看到Python代码，因为它是在C语言中实现的。

在Swift中，情况就不同了。Chris Lattner称Swift是“LLVM(汇编语言)的语法糖”。

从本质上说，Swift非常接近硬件，而且在硬件之间没有其他用C编写的代码层。这也意味着Swift代码运行速度非常快。这就使得开发人员能够从高到低，任何层次都可以开始检查代码，而无需使用C。

有关“LLVM(汇编语言)的语法糖”：

https://www.fast.ai/2019/03/06/fastai-swift/

接下来的一步

Swift只是谷歌深度学习创新的一部分。还有一个非常相关的组件：MLIR，代表多级中间表示。

MLIR将是谷歌统一的编译器基础设施，允许用Swift(或任何其他受支持的语言)编写代码，并将其编译到任何受支持的硬件。

目前，针对不同的目标硬件有大量的编译器，但是MLIR将改变这一点，不仅允许代码重用，还允许编写定制的编译器底层组件。它还将允许研究人员应用机器学习来优化底层算法：

虽然MLIR充当ML的编译器，但我们也看到它可以在编译器中使用机器学习技术！ 一点尤其重要，因为开发数值库的工程师的扩展速度赶不上ML模型或硬件的多样化。

想象一下，如果我们能够使用深度学习来帮助优化数据的低级内存分块算法(类似于Halide试图完成的任务)会怎么样。

有关MLIR：

https://medium.com/tensorflow/mlir-a-new-intermediate-representation-and-compiler-framework-beba999ed18d

有关Halide：

https://www.youtube.com/watch?v=3uiEyEKji0M

总结

如果你对深入学习感兴趣，那么Swift是一门你应该开始学习的语言。

与Python相比，它有许多优势。谷歌正在大力投资，使Swift成为其TensorFlow ML基础设施的一个关键组件，而且很有可能Swift将成为深度学习的语言。

所以，早点学习Swift总不会有错的。