Yann LeCun 曾說，深度學習可能需要一種新的編程語言了。現在 Swift 來了！沒錯，這就是讓萬千飽受 Python 缺點困擾的開發者興奮不已的深度學習語言。本文便將帶領讀者詳細了解一下為什麼 Swift 將成為深度學習的下一大熱門。

當你聽到 Swift 的時候，第一反應肯定會想到 iOS 或者 MacOS 的應用程序開發。當你玩兒過深度學習，也肯定聽說過 Swift for Tensorflow (縮寫為 S4TF)。

而後你就會產生困惑：「為什麼谷歌要為 Swift 創建 TensorFlow 版本呢？已經有了 Python 和 C++ 版本了，為什麼還要添加另一種語言？」

在這篇文章中，作者將嘗試回答這些問題，並告訴你為什麼要認真遵循 S4TF 以及 Swift 語言本身。 本文的目的不是提供非常詳細的解釋，而是提供下文大量鏈接內容的一般概述，方便讀者深入挖掘。

Swift for Tensorflow 官方地址：

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

www.tensorflow.org

Swift 「背景硬」：背後有強大的支持

Swift 是 Chris Lattner 在蘋果公司工作時創建的。 Swift 語言的創造者現在在實驗室從事深度學習的研究，這一事實應該告訴你，這就是一個嚴肅的項目。

前段時間，谷歌的員工意識到一件事情：儘管 Python 是一種優秀的語言，但它有許多難以克服的局限性 ——TensorFlow 需要一種新的語言。

經過長時間的考慮，Swift 被選為候選語言。作者沒有在本文詳細介紹，但下方鏈接中的文檔描述了 Python 的缺點、在候選語言篩選過程中考慮哪些語言，以及最終為何 Swift 當選。

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

github.com

對於 TensorFlow 來說，Swift 不僅僅是一個庫

Swift 對於 TensorFlow 不僅僅是另一種語言的 TF。

它本質上是 Swift 語言本身的另一個分支 (在 git 術語中)。這意味著 S4TF 不是一個庫；它本身就是一種語言，內置了支持 TensorFlow 所需的所有功能的特性。

例如，S4TF 中有非常強大的自動微分系統，這是計算梯度所需要的深度學習的基礎之一。對比一下 Python，在 Python 中，自動微分不是語言的核心組件。最初作為 S4TF 的一部分開發的功能後來被集成到 Swift 語言本身。

Git 地址：

What a Branch Is

git-scm.com

圖標

有關自動微分：

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

github.com

Swift 速度極快

當作者第一次知道 Swift 的運行速度和 C 代碼一樣快時，作者表示非常驚訝。

我們知道 C 語言是高度優化的，可以達到非常高的速度，但這是以微管理內存為代價的，這導致 C 語言不是內存安全的。此外，C 語言並不是一門很容易學的語言。

現在，Swift 在數值計算中運行得和 C 一樣快，而且它沒有內存安全問題，而且它更容易學習。Swift 背後的 LLVM 編譯器非常強大，並且有非常高效的優化，這就確保了代碼運行的速度。

Swift 為何和 C 一樣快：

High Performance Numeric Programming with Swift: Explorations and Reflections

www.fast.ai

在 Swift 中可以使用 Python，C 和 C ++ 代碼

由於適用於機器學習的 Swift 還處於早期階段，這意味著適合 Swift 的機器學習庫並不多。

但不必過於擔心這一點，因為 Swift 具有驚人的 Python 互操作性。

只需導入 Swift 中的任何 Python 庫，它就能正常工作。類似地，可以將 C 和 C++ 的庫導入 Swift（對於 C++，需要確保頭文件是用純 C 編寫的，沒有 C++ 特性）。

有關 Python 互操作性：

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

github.com

導入 C 和 C++ 庫：

How to import a C library in Swift using the Swift Package Manager

oleb.net

總而言之，如果需要特定功能，但尚未在 Swift 中實現，則可以導入相應的 Python，C 或 C ++ 包。

Swift 可以在非常底層的地方運行

如果你曾經使用過 TensorFlow，那麼通常情況下可能是通過 Python 包完成的。

在底層，Python 版本的 TensorFlow 庫底層有 C 代碼。所以當你調用 TensorFlow 中的任何函數時，在某種程度上你會碰到一些 C 代碼。

這意味著檢查源代碼的速度是有限的。例如，如果你想了解卷積是如何實現的，你無法看到 Python 代碼，因為它是在 C 語言中實現的。

在 Swift 中，情況就不同了。Chris Lattner 稱 Swift 是 「LLVM (彙編語言) 的語法糖」。

從本質上說，Swift 非常接近硬體，而且在硬體之間沒有其他用 C 編寫的代碼層。這也意味著 Swift 代碼運行速度非常快。這就使得開發人員能夠從高到低，任何層次都可以開始檢查代碼，而無需使用 C。

有關 「LLVM (彙編語言) 的語法糖」：

fast.ai Embracing Swift for Deep Learning

www.fast.ai

接下來的一步

Swift 只是谷歌深度學習創新的一部分。還有一個非常相關的組件：MLIR，代表多級中間表示。

MLIR 將是谷歌統一的編譯器基礎設施，允許用 Swift (或任何其他受支持的語言) 編寫代碼，並將其編譯到任何受支持的硬體。

目前，針對不同的目標硬體有大量的編譯器，但是 MLIR 將改變這一點，不僅允許代碼重用，還允許編寫定製的編譯器底層組件。它還將允許研究人員應用機器學習來優化底層演算法：

雖然 MLIR 充當 ML 的編譯器，但我們也看到它可以在編譯器中使用機器學習技術！ 一點尤其重要，因為開發數值庫的工程師的擴展速度趕不上 ML 模型或硬體的多樣化。

想像一下，如果我們能夠使用深度學習來幫助優化數據的低級內存分塊演算法 (類似於 Halide 試圖完成的任務) 會怎麼樣。

有關 MLIR：

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

medium.com

有關 Halide：

www.youtube.com

總結

如果你對深入學習感興趣，那麼 Swift 是一門你應該開始學習的語言。

與 Python 相比，它有許多優勢。谷歌正在大力投資，使 Swift 成為其 TensorFlow ML 基礎設施的一個關鍵組件，而且很有可能 Swift 將成為深度學習的語言。

所以，早點學習 Swift 總不會有錯的。

推薦閱讀：
相关文章