メリークリスマス！ この記事は Julia Advent Calendar 2024 の25日目（最終日）の記事です。 はじめに 一昨年・昨年も同じ日に同じようなネタでお祝いしました（細かすぎて伝わらないかもしれないJuliaのTips、細かすぎてたぶん伝わらないJuliaのTips2023）。 昨年も一昨年とは少しだけ方向性を変えましたが、今年もちょっとだけ趣向を変えます。 毎年この枠は「（なるべく）Julia の標準API・文法の範疇で、みんな使ってないかもしれないけれどこんな書き方・機能もあるんだよ」ということを紹介しています（そもそも Tips なので）。でも昨年・一昨年は「とは言えこの機能知らなくてもそんなに困らないよなー」というトピックが多かったような気がします。 そこで今年は、「こんなAPI・機能あるんだよ」という根本はもちろんそのままで、その上でもっとさらに「知っておくと便

はじめに この記事では『予測に活かす統計モデリングの基本』を読んで理解したつもりの一般的な粒子フィルタのロジックをJulia言語で実装しようとした成果を残すものです． ついでに状態空間モデルを使って遊びました． 自分くらいのベイズ初心者に向けたつもりで書いてます． 粒子フィルタとは 粒子フィルタとは，以下のような確率的な状態空間モデルの潜在変数を推定するアルゴリズムの一種です． \left\{ \, \begin{aligned} x_t &\sim p(x_t|x_{t-1}, \theta_{\mathrm{sys}}) \\ y_t &\sim p(y_t|x_t, \theta_{\mathrm{obs}}) \end{aligned} \right. 簡単に用語の説明をします． 潜在変数：x_tのことです．観測データを裏で操る黒幕のような変数です．観測できないがモデルを仮定するこ

12/22 16:00, ReverseDiff.jl, Enzyme.jlのForwardモードとReverseモードの比較を追加しました. 12/22 19:30, ニューラルネットワークを意識して合成関数でのベンチマーキングも追加しました. このノートではJulia言語の自動微分パッケージ ForwardDiff.jl ReverseDiff.jl Zygote.jl Enzyme.jl を簡単に比べます. パッケージ 同じ名前の関数が干渉するのでusingではなくimportで読み込みます.

Juliaは、LLVMという中間言語に変換した後にアーキテクチャに最適なコードを生成することで高速な動作を実現しています。最近、IntelのFortranやCもLLVMを使う形になっています。つまり、LLVMは重要な中間言語です。そこで、LLVMレベルで自動微分を実装することができれば、言語に依らずに関数の自動微分ができるわけです。 この考えを使ったフレームワークはEnzyme Automatic Differentiation Frameworkです。このフレームワークはC, C++, Swift, Julia, Rust, Fortran, TensorFlow等の言語に対応しています。論文はこちらです。 例えば、C言語であれば、 #include <stdio.h> double square(double x) { return x * x; } double __enzyme_a

10-element Vector{Float64}: 0.5627138851056968 0.8499394786290626 0.37160535186424815 0.28336464179809084 0.381127966318632 0.36580119057192695 0.8350140149860443 0.26002375370524433 0.9223171788742697 0.040441694559945285

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

2024年5月13日紙版発売 2024年5月13日電子版発売 永井佑紀　著 A5判／256ページ 定価3,300円（本体3,000円＋税10%） ISBN 978-4-297-14128-8 Gihyo Direct Amazon 楽天ブックス 丸善ジュンク堂書店 ヨドバシ.com 電子版 Gihyo Digital Publishing Amazon Kindle ブックライブ 楽天kobo honto 本書のサポートページサンプルファイルのダウンロードや正誤表など この本の概要 Juliaは，2018年にver.1.0がリリースされて以降，速さと書きやすさで，特に数値計算分野で注目を集めている言語です。 本書ではそれぞれの数値計算問題に対し，さまざまな手法でアプローチしており，例題を通してJuliaを学べる書籍となっています。 原理まで解説しており，他の手法とどのように違うのか，またど

二人いればサイコロと同じく1から6までの乱数を発生させることができる、という「ゆびダイス」が面白そうだったので、Juliaで実装して試してみました。どんなものかは、リンク先を読んでください。あるいは、下の実装を見てください。 コード まずコードは以下の通りです。 using Random using Plots Random.seed!(123) struct Human finger::Function end function junken(akun, bkun, filename) num = 100000 deme = zeros(Int8, num) kazu = zeros(Int64, 6) prob = zeros(6, num) for i = 1:num a = akun.finger() b = bkun.finger() wa = a + b d = wa % 6

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Juliaで機械学習をする場合、Flux.jlが有名かと思います。一方で、最近では、Lux.jlというパッケージもあります。名前もよく似ていますし使い方も似ている気もしますから、この二つは一体何なのだろうか？と思った方もいるかと思います。 この記事では、Flux.jlの違いを見るとともに、Lux.jlによる関数フィッティングをやってみることにします。 まず、Flux.jlで関数フィッティングをした記事は、Juliaで機械学習：Flux.jlで自由自在にオリジナルレイヤーを組んでみよう 2023年版にありますので、Flux.jlに興味があ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert