Julia–未来最好的机器学习语言

科学计算对性能一直有着最高的需求，但目前相关领域的专家却大量使用比较慢的动态语言来完成他们的日常工作。 我们相信在科学计算领域，有很多好的理由使专家们偏爱动态语言， 因此我们不会舍弃这样的特性。幸运的是，现代语言设计和编译器技术可以大大消除性能折衷（trade-off），并提供足够的单一环境来进行原型设计，而且足够高效地部署性能密集型应用程序。Julia 语言在这其中扮演了这样一个角色：它是一门灵活的动态语言，适合用于科学计算和数值计算，并且性能可与传统的静态类型语言媲美。由于 Julia 的编译器和其它语言比如 Python 或 R 的解释器有所不同，一开始您可能会觉得用 Julia 编写高性能的代码并不是一件容易的事。 如果您发现您的某部分代码有些慢，我们非常建议您在尝试其它功能前读一下提高性能的窍门 。在理解了 Julia 的运作方式后，写出和 C 一样快的代码对您而言就是小菜一碟。Julia 拥有可选类型标注和多重派发这两个特性，同时还拥有很棒的性能。这些都得归功于（使用 LLVM 实现的）类型推导和即时编译（JIT）技术。Julia 是一门支持过程式、函数式和面向对象（object-oriented）的多范式语言。 它像 R、MATLAB 和 Python 一样简单，在高级数值计算方面有丰富的表现力，而且支持通用编程。为了实现这个目标， Julia 以数学编程语言（mathematical programming languages）为基础，同时也参考了不少流行的动态语言，例如 Lisp, Perl, Python, Lua, 和 Ruby。----------------此处摘自julia官方文档
众所周知，Julia 是一个面向科学计算的高性能动态高级程序设计语言。其语法与其他科学计算语言相似。在许多情况下拥有能与编译型语言相媲美的性能。我也跟一波风，接下来我会将自己的一些研究连载一波，今天先将配置的过程给大家介绍一下。

到官网下载相应版本

开始安装

安装成功

努力学习

任何一个有过科学计算语言编程经验的人都会看懂。在不放弃性能的情况下比C++更加的简单。根据设计，Julia允许用户从低级的循环，到高级的编程风格，在牺牲部分性能的情况下，是的复杂的算法可以快速的处理。这个可持续的设计级现象是Julia接近编码的特点，也是这个语言的最重要的设计风格，接下来开始认真学习吧！！！