Julia 教程

简介: Julia,一款高性能的开源编程语言,专注于科学计算,2012年发布,支持多平台。其特点是小核心、丰富的类型系统、高效并行计算能力及直接调用C函数。首个程序示例为打印"Hello World!"。适用于数值计算,可与Jupyter Notebook集成。官网及中文手册提供更多信息。

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
|
1月前
|
机器学习/深度学习 分布式计算 C语言
Julia
Julia
36 0
|
2天前
|
分布式计算 并行计算 Unix
Julia 教程
**Julia** 是一款高性能的开源编程语言,专为科学计算设计,2012年发布,支持多种平台。它的特点是动态、小巧的核心、丰富的类型系统、并行计算优化及直接调用C函数的能力。首个Julia程序通常从打印"Hello, World!"开始。Julia与Jupyter notebook兼容,广泛应用于数值计算。官网和中文手册提供更多信息。
|
3天前
|
Unix Linux Android开发
Julia 语言环境安装
**Julia 安装概要:** 支持 Linux, FreeBSD, macOS, Windows 和 Android。下载始于 <https://julialang.org/downloads/> 或中国的清华镜像 <https://mirrors.tuna.tsinghua.edu.cn/julia-releases/bin/>.
|
10天前
|
存储 索引
Julia 数组
**Julia 的数组是动态、可变的集合,支持一维到多维。元素类型可变或指定,如 `[1, "baidu", 2.5, π]` 创建 Any 类型数组。索引以整数开始,创建时用方括号分隔元素,如 `arr = [1,2,3]` 构建 Int64 向量,或 `arr2 = String["Taobao","baidu","GOOGLE"]` 强制为 String 类型。**
Julia 数据类型
Julia语言支持基本数学与科学计算,其数据类型包括整数和浮点数,后者在不精确时遵循RoundNearest舍入模式,即向最近的可表示值靠近。示例展示了`BigFloat`如何保留最少有效位进行舍入:1.51、1.55和1.56在该模式下均舍入为1.5。
Julia 基本语法
Julia 的注释方式包括单行和多行。单行注释以 `#` 开始,如 `# 这是一行注释`。多行注释使用 `#=` 开始并以 `=#` 结束,示例:`#= 1、这是一行注释\n2、这是另外一行注释 =#`。`println("Hello World!")` 是打印语句。
|
14天前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI产品使用合集之在maxcompute上跑模型,如何在本地进行推理
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
人工智能平台PAI产品使用合集之在maxcompute上跑模型,如何在本地进行推理
|
5天前
|
机器学习/深度学习 人工智能 资源调度
机器学习之numpy基础——线性代数,不要太简单哦
机器学习之numpy基础——线性代数,不要太简单哦
32 6
|
9天前
|
Java 关系型数据库 MySQL
实时计算 Flink版产品使用问题之如何实现MySQL数据库之间的实时同步
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
9天前
|
SQL 监控 关系型数据库
实时计算 Flink版产品使用问题之使用master分支后,如何过滤掉DML
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。