Intro à Julia

Cette page à été créé à l'occasion de mon talk dans le résaux INRAE 2 neurones

Contactez moi si quelque chose ne marche pas.

Programme

Nous allons à la fois introduire les bases du langage de programmation Julia et les Réseaux Antagonistes Génératifs (GAN). Pour Julia, nous ne discuterons pas seulement de la rapidité, mais aussi de certaines fonctionnalités essentielles, telles que le "multiple dispach" (définition multiple), qui rendent le langage unique, par exemple en termes d’expressivité et de composition de packages. Dans la dernière partie, après une brève introduction des concepts fondamentaux des GANS, nous effectuerons une application simple (en Julia !).

Le mode de présentation sera assez interactif avec des parties de présentations et d'autres de travaux pratiques/expérimentations.

Instructions d'installation

Pour installer Julia en amont de la présentation et quelques packages que nous utiliserons, je recommande :

Juliaup

Juliaup installe, gère le path et les versions (et plus) très simplement.

Linux/Max

Simply type in terminal:

curl -fsSL https://install.julialang.org | sh

Windows

Via le Windows store (ici par exemple), cherchez Julia puis "installer".

Tester l'installion

Dans votre terminal (PowerShell sur Windows) écrivez

julia

Ça devrait ouvrir Julia (et donc que les path ont bien été ajouté).

Quelques Packages

Une fois dans Julia faite

import Pkg
#install
Pkg.add(["Pluto", "Plots", "BenchmarkTools"]) # notebook pkg, Plot pkg, timing pkg
Pkg.add(["Flux"]) # Deep learning pkg

#load (and compile the first time you load)
using Pluto, Plots, BenchmarkTools
using Flux

Cela va installer quelques packages clés (vous pouvez en installer d'autres en avance, cf les notebooks). Ça va prendre un certain temps!

Éditeur, IDE, Notebook

Comme IDE/notebook, nous allons tester VSCode, Jupyter et Pluto. Dans VSCode installer l'extension Julia. On pourra aussi utiliser l'extension Jupyter.

Notebooks que l'on va utiliser

J'ai divisé en plusieurs notebook la présentation pour alléger chacun et que vous puissiez vous concentrer sur ceux qui vous intéressent.

1. Présentation de Julia notebook_1_Presentation.jl (notebook Pluto)
2. notebook_2_multiple_dispach_on_animals.ipynb example de "multiple dispach" (notebook Jupyter)
3. notebook_3_speed_sum_example.jl exemple: performance + code générique (notebook Pluto). Pour fonctionner pleinement, celui-ci nécessite que vous ayez installé un compilateur C, R, Python avec numpy. Même s'il vous manque un de ces éléments, le reste du notebook devrait fonctionner quand même.
4. Exemple: Optimisation + ODEs + Bayesian (notebook Pluto) notebook_4_Optim_DiffEq.jl. Un peu lourd!
5. Présentation des GANs, le beamer pdf.
6. Application GAN avec le package Flux.jl d'abord sur un exemple simple notebook_5_GAN_simple_example.ipynb puis sur l'ensemble de données MNIST (notebook Jupyter) notebook_6_dcGAN_MNIST.ipynb.

Notebook Pluto

Pour charger un notebook Pluto, il ne s'agit que de fichiers .jl normaux avec de nombreux commentaires que Pluto utilisera pour générer le notebook et installer les packages. Pour charger un notebook Pluto, exécutez

import Pluto; Pluto.run()

Cela chargera une page dans votre navigateur Web. Là, trouvez votre cahier et ouvrez-le. Si vous ouvrez votre Julia dans le dossier du notebook, il sera plus facile de retrouver le fichier ! Une fois à l’intérieur, cliquez sur Exécuter (l’aperçu en mode sans échec est une nouvelle fonctionnalité). Les notebooks Pluto peuvent être partagés et vue (sans Julia) au format .html statique, à partir de là, vous pouvez les exécuter en un clic avec Binder (cela prend cependant du temps).

Notebook Jupyter

Si vous utilisez l'extension VSCode, ouvrez simplement le notebook .ipynb dans VSCode, puis sélectionnez le noyau Julia lorsque vous y êtes invité. Vous pouvez également utiliser le package IJulia.jl et suivre les instructions.