https://m.toutiao.com/is/Jo62obk/
作者：Murray Vanwyk是Programmai公司的首席技术官
谷歌的Swift for Tensorflow对于数据科学和机器学习而言意味着什么？
Python对于数据科学而言已死，这种说法似乎有点怪怪的。毕竟，如今Python是数据科学界当仁不二的语言，人气从未如此旺过。2020年11月，它击败了长期备受青睐的Java，夺得编程语言排行榜第二名。我一直认为Python是每位数据科学家都应该知道的编程语言。数据科学领域的大部分工作是实现和执行，而Python在方面表现出众。它拥有出色的软件包支持，让您可以将不同的代码段粘合在一起，快速启动并运行代码段。外面有许多文章和论文介绍数据科学，所附的Python代码可帮助您在进行开发时迅速解决棘手的问题。这一切意味着您可以极其高效地工作，其他语言难以望其项背。别误会，我是喜欢Python，但是它也有缺点，而这些缺点促使谷歌迈出了下一步。
Python的最大问题是它不是一种高性能的语言。数据科学需要处理大量数据；由于很久以前的设计决策，Python根本无法扩展。为了解决这些问题，开发人员将其他语言（比如C和Fortran）混入到了Python代码中。这种做法非常务实，但也存在缺点。如果您曾经试图了解来自NumPy、Tensorflow或其他大多数数据科学软件包中的函数中到底发生了什么，您最终会碰上“C墙”（“C Wall”）。这是Python代码结束、C代码开始的临界点，通常也正是在这个点，您只好放弃，干脆接受不知道发生了什么情况的事实。当然，您可以在github上找到源代码，并可能设置另一个调试器以遍历该函数及其调用的任何其他函数，但这已经牺牲了Python给您带来的最大优点：生产力。
试图并行化处理任何实质性内容也会大大降低生产力，因为您有悖于GIL。GIL（或全局解释器锁）保证同一时刻只有一个线程在运行，这意味着您必须执行烦人的操作，比如对进程进行分叉（forking）。Python确实为您提供了不错的包装器来实现此目的，但是到头来分叉并不高效。
随着数据科学问题逐渐进入到移动平台和物联网平台，性能也带来了挑战。如果您想在物联网传感器上运行预测模型，可能会使用Python来开发和训练该模型，但由于传感器资源有限，因此使用另一种语言来部署模型。训练和部署使用不同语言加大了研发与生产之间的缺口，并加大了出现问题的可能性。
诸如此类的问题使得人们很难在机器学习领域求得突破，这就是为什么谷歌开发了Swift for Tensorflow。我头一次听说它时，以为它只是在iOS应用程序中运行Tensorflow模型。谷歌在Swift方面所抱的野心似乎要大得多。谷歌甚至称之为“用于深度学习和可微计算的下一代系统”。这里的关键字是“下一代”。谷歌甚至详细说明了为什么Python对Tensorflow而言不是一门优秀的语言。
与Python相比，Swift速度更快。快得足以让Tensorflow团队认为不久“Swift将成为在许多使用场合取代C++的可靠语言”。Python是Tensorflow的主要语言，不过据github声称，它仅占代码库的26%，而C++占代码库的61%。Swift还通过对pthread的低级访问来支持更好的并行化机制，或者您可以使用Swifts GCD（大中央调度）。还一直在努力添加新的并发模型以进一步改善扩展机制。最后，Swift旨在可以在iOS之类的移动设备上运行，在Raspberry PI等物联网平台上运行起来比Python更快，占用的内存更少。
谷歌已采取了几个措施来简化数据科学家向“下一代平台”转型的工作。NumPy是数据科学界的重要组成部分，也是许多软件包的基础。谷歌一直将其重新实现为TensorFlow NumPy：与传统的NumPy相比，它具有许多优点，比如GPU加速。至于其他软件包，您可以使用PythonKit来运行，就像它们是为Swift开发的一样。现在，外头所有那些附有代码的文章和论文都可以在您的Swift程序中重复使用。您猜怎么着？PythonKit的根源其实可以追溯到谷歌和Tensorflow团队。谷歌甚至确保您可以在Jupyter笔记本中使用Swift，那样您就不必改变原有的工作流程。
现在，我倒不是说谷歌一心要杀死Python，但是很明显，谷歌已发现了这门语言对于数据科学而言存在的局限性。鉴于谷歌在机器学习方面已投入了巨资，它会在其他人之前碰到这些局限性自在情理之中。问题是，您在多久之后也会碰到这些局限性？谷歌和Tensorflow正在离Python渐行渐远，最终您也会亦步亦趋。唯一的问题是何时您何时也离Python渐行渐远。
想要更深入地探究技术细节，请参阅谷歌Tensorflow团队撰写的这篇文章（https://github.com/tensorflow/swift/blob/master/docs/WhySwiftForTensorFlow.md#python-challenges）。
联系客服
