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/

www.tensorflow.org

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

github.com

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)。这意味著 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：

What a Branch Is

git-scm.com

图标

有关自动微分：

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

github.com

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：

High Performance Numeric Programming with Swift: Explorations and Reflections

www.fast.ai

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，这意味著适合 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

github.com

导入 C 和 C++ 库：

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

oleb.net

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。

这意味著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 非常接近硬体，而且在硬体之间没有其他用 C 编写的代码层。这也意味著 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」：

fast.ai Embracing Swift for Deep Learning

www.fast.ai

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体。

目前，针对不同的目标硬体有大量的编译器，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演算法：

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 模型或硬体的多样化。

想像一下，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演算法 (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

medium.com

有关 Halide：

www.youtube.com

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。

推荐阅读：
相关文章