专栏首页python深度学习Manjaro Linux上安装Julia包管理与案例测试
原创

Manjaro Linux上安装Julia包管理与案例测试

参考了参考链接1中的案例,我们来测试一下julia执行简单的张量网络缩并的功能。关于张量网络计算的背景知识,这里用julia来计算张量网络的话会依赖于Einsum这个第三方包,需要我们来手动安装。首先我们测试一下直接调用这个包的指令,如果这个包已经被安装了,那么调用就不会报错:

1
2
3
4
5
6
julia> using Einsum
ERROR: ArgumentError: Package Einsum not found in current path:
- Run `import Pkg; Pkg.add("Einsum")` to install the Einsum package.

Stacktrace:
 [1] run_repl(::REPL.AbstractREPL, ::Any) at /build/julia/src/julia-1.5.4/usr/share/julia/stdlib/v1.5/REPL/src/REPL.jl:288

这里我们发现系统中是没有这个库的,而这里调用的时候也已经提示了我们安装这个包的方法,我们可以尝试直接按照这个指令来安装:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
julia> import Pkg

julia> Pkg.add("Einsum")
 Installing known registries into `~/.julia`
######################################################################## 100.0%
      Added registry `General` to `~/.julia/registries/General`
  Resolving package versions...
  Installed Compat ─ v3.25.0
  Installed Einsum ─ v0.4.1
Updating `~/.julia/environments/v1.5/Project.toml`
  [b7d42ee7] + Einsum v0.4.1
Updating `~/.julia/environments/v1.5/Manifest.toml`
  [34da2185] + Compat v3.25.0
  [b7d42ee7] + Einsum v0.4.1
  [2a0f44e3] + Base64
  [ade2ca70] + Dates
  [8bb1440f] + DelimitedFiles
  [8ba89e20] + Distributed
  [b77e0a4c] + InteractiveUtils
  [76f85450] + LibGit2
  [8f399da3] + Libdl
  [37e2e46d] + LinearAlgebra
  [56ddb016] + Logging
  [d6f4376e] + Markdown
  [a63ad114] + Mmap
  [44cfe95a] + Pkg
  [de0858da] + Printf
  [3fa0cd96] + REPL
  [9a3f8284] + Random
  [ea8e919c] + SHA
  [9e88b42a] + Serialization
  [1a1011a3] + SharedArrays
  [6462fe0b] + Sockets
  [2f01184e] + SparseArrays
  [10745b16] + Statistics
  [8dfed614] + Test
  [cf7118a7] + UUIDs
  [4ec0a83e] + Unicode

安装过程没有什么问题,那我们再次调用看看:

1
2
julia> using Einsum
[ Info: Precompiling Einsum [b7d42ee7-0b51-5a75-98ca-779d3107e4c0]

调用没有问题,说明我们这个包是安装成功了。接下来正式测试一下张量网络缩并的案例:无损音乐下载

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
julia> A = zeros(5,6,7)
5×6×7 Array{Float64,3}:
[:, :, 1] =
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0

[:, :, 2] =
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0

[:, :, 3] =
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0

[:, :, 4] =
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0

[:, :, 5] =
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0

[:, :, 6] =
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0

[:, :, 7] =
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0  0.0

julia> X = randn(5,2)
5×2 Array{Float64,2}:
 -0.573591   0.550235
 -0.893529  -1.25679
 -0.338177   0.632082
 -0.304742   2.67068
 -0.171912  -0.714813

julia> Y = randn(6,2)
6×2 Array{Float64,2}:
 -0.609149  -0.815229
  0.199472   0.554751
 -0.562527   0.259988
 -1.65124    1.08916
 -0.625242  -0.0391435
 -0.943587  -0.695565

julia> Z = randn(7,2)
7×2 Array{Float64,2}:
  0.311165   0.555719
 -0.486201  -1.26421
 -1.90713    0.738125
 -1.26129   -0.274261
 -0.570305  -0.295527
 -0.182373  -0.0410972
 -0.213648  -0.12244

julia> @einsum A[i,j,k] = X[i,r]*Y[j,r]*Z[k,r]
5×6×7 Array{Float64,3}:
[:, :, 1] =
 -0.140556   0.134027   0.179899    0.627755  0.0996249   -0.0442743
  0.738739  -0.442911  -0.0251791  -0.30159   0.201178     0.748148
 -0.222257   0.173872   0.150518    0.556337  0.052044    -0.145031
 -1.15216    0.804416   0.439202    1.77305   0.00119409  -0.942843
  0.356423  -0.231037  -0.0731852  -0.344323  0.0489952    0.326778

[:, :, 2] =
  0.397202  -0.330261  -0.337728  -1.21813   -0.147139    0.220694
 -1.5599     0.968069   0.168698   1.01314   -0.333819   -1.51507
  0.551277  -0.410494  -0.300243  -1.14183   -0.0715246   0.400667
  2.66219   -1.84344   -0.96114   -3.92197    0.0395199   2.20862
 -0.787613   0.517985   0.187925   0.846224  -0.0876327  -0.70743

[:, :, 3] =
 -0.997453   0.443513  -0.509762  -1.36396  -0.699856  -1.3147
 -0.281771  -0.174709  -1.19977   -3.82422  -1.02915   -0.962687
 -0.773218   0.387471  -0.241501  -0.55681  -0.42151   -0.933083
 -1.96108    1.20951    0.185581   1.18738  -0.440543  -1.91956
  0.230419  -0.2273    -0.321604  -1.11604  -0.184337   0.0576331

[:, :, 4] =
 -0.317672   0.0605948  -0.446202   -1.35898   -0.446433  -0.577685
 -0.967509   0.416021   -0.544352   -1.48553   -0.718138  -1.30317
 -0.118501  -0.0110862  -0.28501    -0.89313   -0.259904  -0.281897
  0.362986  -0.329663   -0.406649   -1.43245   -0.211652   0.146789
 -0.291903   0.152008   -0.0710035  -0.144515  -0.143245  -0.34096

[:, :, 5] =
 -0.0667018  -0.0249559  -0.226291     -0.717264   -0.198165   -0.195562
 -0.6132      0.307691   -0.190091     -0.436916   -0.333152   -0.73918
  0.0347997  -0.0651548  -0.157056     -0.521917   -0.113275   -0.0520544
  0.537557   -0.403173   -0.302962     -1.1466     -0.0777703   0.384987
 -0.231936    0.136746   -0.000229789   0.0681898  -0.0695689  -0.239447

[:, :, 6] =
 -0.0452868   0.00832171  -0.0647238   -0.197362   -0.06452    -0.0829776
 -0.141371    0.0611584   -0.0782386   -0.212824   -0.103909   -0.189689
 -0.0163919  -0.00210828  -0.0414473   -0.130132   -0.0375447  -0.0401267
  0.0556227  -0.0498019   -0.0597991   -0.211314   -0.0304527   0.0239016
 -0.0430469   0.0225507   -0.00999881  -0.0197739  -0.0207526  -0.0500169

[:, :, 7] =
 -0.0197261  -0.0129295  -0.0864512   -0.275731   -0.0739839  -0.0687722
 -0.241735    0.123445   -0.0673792   -0.147621   -0.125382   -0.287166
  0.019081   -0.0285214  -0.0607641   -0.203596   -0.0421448  -0.0143435
  0.226918   -0.168415   -0.12164     -0.463661   -0.0279081   0.166014
 -0.0937235   0.0558792   0.00209385   0.0346776  -0.0263901  -0.0955337

在上面这个案例中,我们事先定义好了一个张量A用于存放计算结果,如果我们不事先定义的话,就需要按照以下示例来使用:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
julia> @einsum B[i,j,k] := X[i,r]*Y[j,r]*Z[k,r]
5×6×7 Array{Float64,3}:
[:, :, 1] =
 -0.140556   0.134027   0.179899    0.627755  0.0996249   -0.0442743
  0.738739  -0.442911  -0.0251791  -0.30159   0.201178     0.748148
 -0.222257   0.173872   0.150518    0.556337  0.052044    -0.145031
 -1.15216    0.804416   0.439202    1.77305   0.00119409  -0.942843
  0.356423  -0.231037  -0.0731852  -0.344323  0.0489952    0.326778

[:, :, 2] =
  0.397202  -0.330261  -0.337728  -1.21813   -0.147139    0.220694
 -1.5599     0.968069   0.168698   1.01314   -0.333819   -1.51507
  0.551277  -0.410494  -0.300243  -1.14183   -0.0715246   0.400667
  2.66219   -1.84344   -0.96114   -3.92197    0.0395199   2.20862
 -0.787613   0.517985   0.187925   0.846224  -0.0876327  -0.70743

[:, :, 3] =
 -0.997453   0.443513  -0.509762  -1.36396  -0.699856  -1.3147
 -0.281771  -0.174709  -1.19977   -3.82422  -1.02915   -0.962687
 -0.773218   0.387471  -0.241501  -0.55681  -0.42151   -0.933083
 -1.96108    1.20951    0.185581   1.18738  -0.440543  -1.91956
  0.230419  -0.2273    -0.321604  -1.11604  -0.184337   0.0576331

[:, :, 4] =
 -0.317672   0.0605948  -0.446202   -1.35898   -0.446433  -0.577685
 -0.967509   0.416021   -0.544352   -1.48553   -0.718138  -1.30317
 -0.118501  -0.0110862  -0.28501    -0.89313   -0.259904  -0.281897
  0.362986  -0.329663   -0.406649   -1.43245   -0.211652   0.146789
 -0.291903   0.152008   -0.0710035  -0.144515  -0.143245  -0.34096

[:, :, 5] =
 -0.0667018  -0.0249559  -0.226291     -0.717264   -0.198165   -0.195562
 -0.6132      0.307691   -0.190091     -0.436916   -0.333152   -0.73918
  0.0347997  -0.0651548  -0.157056     -0.521917   -0.113275   -0.0520544
  0.537557   -0.403173   -0.302962     -1.1466     -0.0777703   0.384987
 -0.231936    0.136746   -0.000229789   0.0681898  -0.0695689  -0.239447

[:, :, 6] =
 -0.0452868   0.00832171  -0.0647238   -0.197362   -0.06452    -0.0829776
 -0.141371    0.0611584   -0.0782386   -0.212824   -0.103909   -0.189689
 -0.0163919  -0.00210828  -0.0414473   -0.130132   -0.0375447  -0.0401267
  0.0556227  -0.0498019   -0.0597991   -0.211314   -0.0304527   0.0239016
 -0.0430469   0.0225507   -0.00999881  -0.0197739  -0.0207526  -0.0500169

[:, :, 7] =
 -0.0197261  -0.0129295  -0.0864512   -0.275731   -0.0739839  -0.0687722
 -0.241735    0.123445   -0.0673792   -0.147621   -0.125382   -0.287166
  0.019081   -0.0285214  -0.0607641   -0.203596   -0.0421448  -0.0143435
  0.226918   -0.168415   -0.12164     -0.463661   -0.0279081   0.166014
 -0.0937235   0.0558792   0.00209385   0.0346776  -0.0263901  -0.0955337

这里我们可以发现,julia的变量定义形式跟python是类似的,并不需要事先声明变量的具体类型。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 实用Manjaro Linux的安装与入门 Julia初步学习

    Julia是一门为科学计算而生的编程语言,其着重强调了开源、生态与性能。从开源角度来说,相比于Matlab就要友好很多,用户可以免费使用,而且MIT协议应该是最...

    不知名站长
  • 为科学计算而生的Julia——基于Manjaro Linux的安装与入门

    Julia是一门为科学计算而生的编程语言,其着重强调了开源、生态与性能。从开源角度来说,相比于Matlab就要友好很多,用户可以免费使用,而且MIT协议应该是最...

    DechinPhy
  • 在Manjaro Linux上安装Julia

    如果我们直接搜索Julia在Manjaro Linux下的安装方法,很有可能搜到一个类似于参考链接4中所提供的方案。这个方案是从官网下载一个可执行文件,然后将该...

    不知名站长
  • 在Manjaro Linux上安装Julia

    如果我们直接搜索Julia在Manjaro Linux下的安装方法,很有可能搜到一个类似于参考链接4中所提供的方案。这个方案是从官网下载一个可执行文件,然后将该...

    不知名站长
  • 为什么我抛弃了 Ubuntu?

    Ubuntu 是很多开发者优先选择的 Linux 发行版之一,但是本文的作者在使用了十年之后却最终“抛弃”它转投“他人”怀抱。原因何在?

    程序员小强
  • 为什么我抛弃了 Ubuntu?

    十多年来,我一直在使用 Ubuntu 的 Linux 发行版。但是,经过这么长时间以后,我第一次改变了心意。如今我开始使用 Manjaro,而且感觉非常好!

    GitHubDaily
  • 为什么我抛弃了 Ubuntu?

    十多年来,我一直在使用Ubuntu的Linux发行版。但是,经过这么长时间以后,我第一次改变了心意。如今我开始使用Manjaro,而且感觉非常好!

    小小詹同学
  • [ 利器篇 ] - Ubuntu 18.04 系统更换为Manjaro

    Ubuntu 16.04 -> Ubuntu 18.04 -> Manjaro 电脑系统升级的版本.

    程序手艺人
  • MANJARO KDE安装配置(已换Arch Linux,此贴可能废弃)

    安装后阿可能有打不开steam的情况,记得安装libGL相关的包,一般是缺失例如lib32-nvidia-440xx-utils的包,记得选择和自己安装的相关的...

    impressionyang

扫码关注云+社区

领取腾讯云代金券