tubone

tubone

Boyaki makes a new world


 Recent posts  6 / 53

SepOctNovDecJanオムロン HV-F312で腰の痛みをなくすGithub Actionを使って、簡単CIを作ってみるChromeDriverがGoogleChrome v76 に対応していないらしい。Googleデータポータルを触ってみるHyper-vにMetasploitableの仮想マシンを立ててみるNightwatch.jsでE2Eテストを回したときにうまく動かないたった一つの理由particles.jsをVue.jsで使ってかっこいいページを作るGitPitchを使ってMarkdownからプレゼンテーションを作ってBadgeをレポジトリに貼るSentryを使ってフロントエンドのエラーを確認するJSON Resume + API With GitHubを使って、さくっと職務経歴書チックなもののAPIなど作ってみるGitHubに30日間草を生やし続けた感想Netlify Formを使って、簡易Contact Formを作ってみる10/1は天下一品の日Ansible + Serverspecを使ってMacの環境構築を自動でする (Ansible編)Ansible + Serverspecを使ってMacの環境構築を自動でする (Serverspec編)今日のラーメン台風の時の我が家のセンサー(netatmo)の値をZabbixで見る究極の謝罪はSlackのスタンプを活用しよう! ~明日から使えるSlackスタンプスニペット集~ハロウィーンはえちえちでチンパンジーなイベントじゃない。GitHubと向き合うイベントだ昔ながらのラーメンたべたい珠玉の一杯。たくさん残業した日はこのラーメンを食べろ!docoptはNimでも使えたのお話GitHubに草を生やし続け90日が経ったので感想を書くGoでAWS Lambdaを動かして、GitHubAPIv4(GraphQL)を叩いてみた感想Hadoopゾウさんについて本気出して考えてみたNuxt.jsでparticles-bg-vueを使うNuxt.jsのmodulesをCompositionAPIで使ってみる(@nuxtjs/toast編)くろおびらーめん with チャーシュー飯Nuxt.jsのmodulesをCompositionAPIで使ってみる(@nuxtjs/toast Global Option編)Nuxt.js + Composition APIでVuexのStateをReactiveに使う方法【初学者】Juliaを使って円周率を求める初めてプログラミングをした時のゴミソース見つけた面倒なことはPythonにやらせよう@GitHub API v4を使ったリリース実績取得Gatsby.jsで作ったブログに読み終わるまで○○分を追加した話Google広告設定でみる属性情報であなたをもっと知ろう!Blog用に新しいLogo作った話今年1年を振り返ってGoのEchoでJaegerを使ってボトルネックを調査するGatsby.jsで作ったBlogの投稿をGitHubの草にして表示させるWeb Developer Roadmap 2020を眺めながら今年の目標(Frontend)をだらだら考えるの会AWS X-RayでLambdaのトレースをしつつ、Datadog APMに連携するElixirでパラレルな負荷試験ツールを作るMonWedFri
Elixirでパラレルな負荷試験ツールを作るAWS X-RayでLambdaのトレースをしつつ、Datadog APMに連携するWeb Developer Roadmap 2020を眺めながら今年の目標(Frontend)をだらだら考えるの会Gatsby.jsで作ったBlogの投稿をGitHubの草にして表示させるGoのEchoでJaegerを使ってボトルネックを調査する今年1年を振り返って


 SearchBox

Search your interesting by Algolia in this blog.


 All 145 Tags

ぼやき 19JavaScript 12GitHub 7Vue.js 6TypeScript 6ラーメン 6デブ活 5Nuxt.js 4React 3Gatsby.js 3Auto Provisioning 3Serverspec 3Mac 3AWS 3自動テスト 3Python 3Ansible 3GitHub Action 2Go 2Lambda 2ChromeDriver 2GraphQL 2Netlify 2toast 2Chainer 2Write Code Every Day 2CompositionAPI 2Nim 1particle.js 1JSON Resume 1GitHub Pages 1Resume 1CV 1GitHubAction 1Sentry 1監視 1 1weed 1CI 1GitPitch 1GitHub Badges 1Azusa Colors 1Travis 1天下一品 1E2E Test 1Netlify Form 1Selenium 1Contact Form 1GoogleChrome 1Gatsby 1Googleデータポータル 1BI 1Azure Devops Build Pipeline 1netatmo 1台風 1IoT 1センシング 1Google Apps Script 1API FLASH 1SlackAPI 1Clasp 1Google Analytics 1Jest 1Unit Test 1Slack 1Stamp 1ハロウィーン 1昆布 1健康 1Headless CMS 1腰痛 1仮想化 1Hyper-v 1docopt 1CLI 1Hadoop 1ゾウ 1metasploitable 1powerShell 1RNN 1LSTM 1Chat BOT 1アイマス 1デレマス 1ひなこのーと 1Deep Learing 1OpenCV 1機械学習 1CNN 1分類学習 1顔認識 1AWS認定ソリューションアーキテクトプロフェッショナル 1資格 1勉強法 1E2Eテスト 1particles-bg-vue 1particle 1Proton 1particles.js 1Nightwatch.js 1test 1チャーシュー飯 1modules 1Composition API 1Vuex 1ストアパターン 1Julia 1円周率 1初心者 1The Gauss–Legendre algorithm 1Leibniz formula for π 1ギター 1DTM 1エフェクター 1ATELIERZ 1Caparison 1VOCALOID 1かわいい 1恐竜時代 1ことり隊 1早稲田 1GitHub API v4 1リリース実績 1Estimated Reading Time 1あと何分 1Logo 1SVG 1Server 1Seti@Home 1Google広告設定 1Google 1属性情報 1Persolal Data 1振り返り 1Echo 1Jaeger 1ボトルネック調査 1React Calendar Heatmap 1Frontend 1Web Developer Roadmap 2020 1Elixir 1Load Test 1X-Ray 1Datadog 1APM 1
この記事は212文字1.1で読めます

新しめの言語をお勉強しないと会社でゴミ扱いされそうなので、Juliaを使って簡単な何かを作ってみます。

Table of Contents

Juliaとは

img

Juliaとは、セクシー女優です。

違います。科学技術計算分野でのプログラミング言語の座をPython, R, MATLABから奪い取ろうとしてる言語です。

色々な会話でちやほやされている言語ですが、お前何がすごいねんを少し掘り下げます。

私動的プログラミング言語なのよ

Juliaは動的プログラミング言語です。コンパイルは実行時に処理されるということです。

なんや、Pythonと同じやんけと思ってましたがところがどっこい。

julialang.orgに次のように書かれていました。

Julia is fast!

Julia was designed from the beginning for high performance. Julia programs compile to efficient native code for multiple platforms via LLVM.

なんでそんなに早いのかというと実行時コンパイル(JIT)だからです。

科学技術計算に多いループ処理を効率よく実行するわけですね。

いやいや、じゃあPythonのPyPy使えばええんやい?って声が聞こえてくるかもしれませんが、ポイントはJITの方式です。

pypy

PyPyはJavaでいうところのHotspotみたいな方式(TracingJITというらしいです)でJITを行っているらしく、起動時プロファイルを取りながらHotSpotに対してコンパイルや最適化を実施していくようです。

その点JuliaはLLVMという技術を使って型推論と最適化を行ったのち実行されます。

llvm

型が同定できることで強力な最適化がなされるので早いらしいです。

どうでもいいですがLLVMのロゴのドラゴンかっこいいですね。遊戯王カードに出てきそうですね。

img

遊戯王カード

img

PythonのNambaもLLVMでJITしてます。なのでもちろん型の指定もできるのでこの手の最適化は強いはず。(早いとは聞いたことがありますが試したことはないです。)

nmb

言語としてネイティブにLLVM対応しているのがJuliaのすごいところだと思います。

円周率を計算してみる

別にベンチマークをとってやろうとかそう言うわけではないのですが、取り急ぎ練習として円周率を計算してみたいと思います。

この手の計算には有名どころがいくつかあります。

ライプニッツの公式

超有名どころですね。

img

summation symbolで書くと

inmg

これをJuliaで書くと

function leibniz(n::BigInt, debug=false)
    ret::BigFloat = 0.0
    for i in 0:n
        ret += (-1)^i / (2i + 1)
    end
    return 4ret
end

BigInt, BigFloatが使えるのでこの手の演算は気持ちいいですねー。

julia> leibniz(BigInt(10000)

3.141692643590543213460768320877940222544825752138710733999805489190209879980251

実際に演算してみると、10000ループでも全く精度出ていないことがわかります。

3.14169......

ライプニッツの公式は実際の円周率の計算に用いるには収束が非常に遅いために全く適していないので別の方法も試してみます。

ガウス=ルジャンドルのアルゴリズム

というのがあるらしいです。

スーパーコンピュータの検収時このアルゴリズムを使って、πの超高精度計算が用いられることが有名です。

初期値

igm

img

igm

img

を定義したうえでイテレーション毎に

inm

img

img

img

という計算をすると

img

とπに近似するという感じです。

これをJuliaで書くと

function gauss_legendre(n::BigInt, debug=false)
    local a::BigFloat = 1.0
    local b::BigFloat = 1.0 / sqrt(2.0)
    local t::BigFloat = 1.0 / 4
    local p::BigFloat = 1.0
    local tmp::BigFloat = 0

    for i in 0:n
        tmp = a
        a = (tmp + b) / 2
        b = sqrt(tmp * b)
        t = t - (p * (a - tmp) * (a - tmp))
        p = 2p
    end
    return (a + b) * (a + b) / 4t
end

おおー直感的ですね。

julia> gauss_legendre(BigInt(10000)

3.14159265358979311120035621508437779160333415473350005136581079848894037301245

私が覚えている範囲3.1415926535...

まではあっていますね。

結論

Juliaをもっと書こうかと思いました。あと、ベンチマークは測ってみます。

˚