Julia 教程

简介: Julia,一款高性能的开源编程语言,专为科学计算设计,具备动态高级语言特性,速度快,无需解释器。支持多种平台,包括macOS、Windows和Linux等。其特点是小核心、丰富的类型语法、高性能、并行计算优化、C函数直接调用、Unicode支持及元编程工具。常用于数值计算。首个Julia程序示例为打印"Hello World!"。参考链接:[Julia官网](https://julialang.org/)和[Julia中文手册](https://docs.juliacn.com/latest/)。

Julia 教程

Julia 是一个开源的编程语言,采用 MIT 许可证,每个人都可以免费使用。

Julia 是一个面向科学计算的高性能动态高级程序设计语言。

Julia 最初是为了满足高性能数值分析和计算科学的需要而设计的,不需要解释器,速度快。

Julia 于 2012 年首次发行,支持各种平台:macOS、Windows、Linux、FreeBSD、Android。

Julia 语言特点
核心语言非常小,标准库用的是 Julia 语言本身写的。
调用许多其它成熟的高性能基础代码,如线性代数、随机数生成、快速傅里叶变换、字符串处理。
丰富的用于创建或描述对象的类型语法。
高性能,接近于静态编译型语言,包括用户自定义类型等。
为并行计算和分布式计算而设计。
轻量级协程。
优雅的可扩展的类型转换/提升。
支持 Unicode,包括但不限于 UTF-8。
可直接调用 C 函数(不需要包装或是借助特殊的 API)。
有类似 shell 的进程管理能力。
有类似 Lisp 的宏以及其它元编程工具。
可与 Jupyter notebook 一起使用。
Julia 语言用途
Julia 主要功能是用于数值计算。

第一个 Julia 程序
接下来我们来编写第一个 Julia 程序 hello.jl(Julia 文件扩展名 .jl),代码如下:

hello.jl 文件
println("Hello World!")
要执行 Julia 语言代码可以使用 julia hello.jl 命令。

执行以上代码输出:

$ julia hello.jl
Hello, World!
参考链接
Julia 官网:https://julialang.org/

Julia 中文手册:https://docs.juliacn.com/latest/

相关文章
|
7月前
|
SQL 编解码 索引
正交时频空间调制(OTFS)技术详解:基础原理与未来挑战
正交时频空间(OTFS)调制将信息嵌入延迟-多普勒域,有效应对高速移动下的多普勒效应。相比OFDM,OTFS在高动态信道中具备全分集增益、低导频开销与强鲁棒性,是6G候选技术之一。
2061 0
|
安全 Java Linux
Linux安装Elasticsearch详细教程
Linux安装Elasticsearch详细教程
2176 64
|
流计算 计算机视觉 索引
使用ffmpeg将视频转成HLS(m3u8)格式
HLS (HTTP Live Streaming)是苹果推出的视频流协议,HLS格式的视频包含一个m3u8文本文件,以及众多的.ts的视频片段,而m3u8文本文件的作用就是将这些ts片段索引起来。 因为HLS协议是将视频切分成很多小的ts片段,这些小片段很适合放到cdn上,有很多视频文章都使用了hls格式传输视频。今天我在这里教大家如何用ffmpeg将mp4格式的视频转为HLS(m3u8)格式。
1572 0
python推导式-列表,元组,字典,集合推导式
这篇文章介绍了Python中的推导式,包括列表推导式、元组推导式、字典推导式和集合推导式,提供了它们的基本格式和示例代码,并解释了推导式如何简化循环和条件判断的代码编写。
|
机器学习/深度学习 编解码 计算机视觉
生成对抗网络
生成对抗网络
|
资源调度
机器人学 markdown数学公式常用语法
本文提供了Markdown中数学公式的常用语法,包括行内公式、行间公式、基本运算、矩阵、微积分、大小比较、开根号、表格、角标、头顶标、空格、括号、特殊字符、分式、文字、希腊字母以及分类括号的详细使用方法和示例。
1034 1
|
机器学习/深度学习 PyTorch Shell
必知的技术知识:ImageNet数据集介绍和下载后的处理
必知的技术知识:ImageNet数据集介绍和下载后的处理
2187 0
|
机器学习/深度学习 算法 关系型数据库
【文献学习】DeepReceiver: A Deep Learning-Based Intelligent Receiver for Wireless Communications in the Ph
文章介绍了一种名为DeepReceiver的基于深度学习的无线通信智能接收机模型,它通过输入IQ信号并输出恢复的信息比特流,能够适应不同的调制和编码方式,在噪声、射频损伤、信道衰落等非理想条件下进行性能验证。
527 0
|
存储 机器学习/深度学习 并行计算
95% 的算法都是基于这 6 种算法思想 (详细介绍)
95% 的算法都是基于这 6 种算法思想 (详细介绍)
663 4