标签: julia

我试图制作该代码,但它获得了行中最后一个索引的值

function heuristicCalculate(distanceBetweenCities,numOfCities) 
#distanceBetweenCities is a 29*29 array 
#Use this function to calculate the tour length using nearest neighbor heuristic Lnn
mindist=zeros(29,1)
  for i=1:29
    for j=1:29
    mindist[i,1]=Base.minimum(distanceBetweenCities[i,j])
    end
  end
  mindist
  return Lnn, tau0
  #Lnn  tour length using nearest neighbor heuristic
  #tau0  a value representing the initial phermone amount =1/(n*Lnn)
end

我想尝试朱莉娅,并认为开始使用朱莉娅工作室会很好.由于某种原因,编辑器似乎没有正确地缩进循环和结束语句.我试着查看偏好但找不到任何帮助,也没有找到googeling.其他人遇到过这个问题？

我在OSX 10.7+上.

我对 Julia 和 R 实际如何解释代码知之甚少，但我读到过使 Julia 如此之快的原因是多重分派，它可以预测类型。

现在在 R 中，S4 类也有多个调度，所以我的问题是：

当所有东西都是用 S4 类编写的时候，R 能像 Julia 一样快吗？

如果不是：是什么阻碍了 R 和 Julia 一样快？

我得到的数据集如下： 我想获得每个职位的每个经验级别的平均工资，我已经尝试过：

 second=combine(groupby(new,:experience_level,),:salary_in_usd =>IMD.mean)

但后来我意识到，如果我在这里进行左连接，不同职称的所有经验级别的薪水将相同，我的目标是获得一个数据集，其中每个经验级别在每个职称中都有平均薪水，有谁知道如何做到这一点？请使用Inmemorydataset包函数。谢谢

最近，我研究了GPU计算的用法，其中软件包的用法似乎令人困惑。

例如，CuArrays和ArrayFire似乎在做同样的事情，在这里ArrayFire似乎是在NVIDIA开发者网页上的“官”包。（https://devblogs.nvidia.com/gpu-computing-julia-programming-language）

此外，还有CUDAdrv和CUDAnative软件包...，它们似乎令人困惑，因为它们的功能似乎不像其他软件包那么简单。

这些软件包有什么作用？CuArrays和ArrayFire有什么区别吗？

你能帮我弄清楚为什么下面的代码不起作用吗？

我正在尝试用 Julia 编写有关 GPU 计算的教程。在演示简单的矩阵运算时，一切都很顺利，GPU 击败了单线程和多线程的等效项。

现在我试图提出一个更复杂的例子，涉及模拟数据的生成X和一些估计的计算\xce\xb2，而这就是事情变得奇怪的时候。无论我做什么，GPU (Nvidia RTX 2070) 模拟的性能都比其多线程 (20) 模拟性能差约 20 倍。

以下是 MRE 的一些代码：

# Meta-simulation constants =================================\nreplications = 10\nn = 100\np = 2\n\xce\xbc = rand(replications)\n\n# Multi-threaded simulations =================================\n\xce\xb2_par = fill(0., (p, replications))\nfunction parsim()\n  Threads.@threads for r in 1:replications\n    X = rand(Float16, (n, p)) .* \xce\xbc[r]; # Sample data\n    \xce\xb2 = sum(X .^ 2, dims = 1);   # Estimate parameters\n    \xce\xb2_par[:, r] = \xce\xb2\n  end\nend\n\n# GPU simulations =================================\nusing …

我一直在使用R进行公司财务和资产定价方面的研究,并且由于我在数学和统计方面的背景,我非常喜欢它.到目前为止,我在R中遇到了两个主要的约束.第一个是处理大数据文件,但我有点通过将R与PostgreSQL和Spark结合起来避开它,我相信我可以从高性能计算机或AWS云获得更多内存在将来.第二个约束是执行速度(对于通过刻度安全报价数据处理滴答很重要),我被推荐Julia比R具有巨大的速度优势.我的问题是,由于Rcpp提供了非常快的执行速度,Julia的速度优势仍然存在保持？我在考虑是否应该学习朱莉娅.

此外,R提供了与WRDS,Quandl,TrueFX和TAQ的完美数据库连接,我真的习惯了Hadley Wickham风格的数据清理.作为一名学者,我有点像R得到了像Journal of Stat Software这样的同行评审期刊的支持.我会试试朱莉娅,看看它是如何运作的.感谢所有的答案和评论!

我与一家大型可再生能源公司的土木工程师一起构建结构设计优化软件。按照我们的设置方式，领域专家将完成他们自己的大部分代码（想想钢部件的结构验证、地球物理响应模型……），我的团队负责整合所有这些并在此基础上构建优化算法.

目前一切都是matlab，因为这是工程师在学校教的。我们开始考虑从头开始重建系统，弹出的一个问题是使用什么语言。

我的优先检查清单是：

• 对于没有 CS 意识的土木工程师来说很容易学习
• 非常适合线性代数计算、大型代数表达式和一般的数值工作
• 现有的具有根查找、基本优化器等功能的数值库——或对 C/Fortran 集成的坚实支持。

到目前为止，我最喜欢的是 Python，我已经看到几个工程师在几周内加快了速度，但我想知道 Julia 是否也符合要求。

您是否有使用 Julia 作为领域专家语言的经验，您会为此目的推荐它吗？

（保持这个特定于 Julia 以使其成为一个可回答的问题——但请随意加入其他语言选项！）

我参与的一个研究小组最近决定尝试从我们以前的编码语言迁移到Julia,因为除了其他方面,它声称的高速性能与其他用户友好的语言相比.但是,在我们最初的代码片段翻译中,我的一位合作伙伴注意到,与使用简单的循环技术相比,使用Julia的内置函数(特别是相当简单的函数,如'find')会导致速度下降十倍.有没有其他人遇到过这种情况,还是有其他可能的原因我们应该研究一下？

我想绘制一个简单的函数,但我无法弄清楚如何做到这一点.

这段代码工作正常

using PyPlot
x = linspace(0,10,1000); y = log(x);
plot(x, y, color="blue", linewidth=2.0, linestyle="-")

但是下一个代码不起作用

using PyPlot
x = linspace(0,10,1000); y = x^2;

plot(x, y, color="blue", linewidth=2.0, linestyle="-")

我无法弄清楚如何将x乘以x.