2021/02/04 16:17

Python又添一大科学计算库，基于Armadillo矩阵库的PyArmadillo发布

目前，Python 拥有众多科学计算库，最为著名的如 NumPy 和 SciPy。但从代数运算以及使用语法来看，这些库往往会带来不必要的繁琐，没办法直观地管理其中的数据类型。因此将 Armadillo 作为底层的 PyArmadillo 库基于这一点，重新塑造了类似 Matlab 和 Octave 等简单易用的语法。此外，由于 pybind11 的用法相对简单，PyArmadillo 将 pybind11 用来连接 C++ 与 Python。该库已于近日正式发布。

作为 C++ 中与 Eigen 并驾齐驱的一大科学计算库， Armadillo 因其简单易用的特性深受广大程序员和科学家的喜爱，也获得了 Facebook、NASA、Boeing、Siemens、Deutsche Bank、MIT、 CMU、Stanford 等公司和高校的广泛使用。此外， Armadillo 的主作者和 Rcpp 的主作者联合开发了 RcppArmadillo，作为 R 语言中的主要科学计算库，在 Github 每月下载量高达 97.2 万次。除此以外，Armadillo 还在著名开源机器学习库 mlpack 中被用作主要的依赖库之一，获得了极高的知名度。

此次 PyArmadillo 库的开发耗时 2 个月，在 Armadillo 主作者 Conrad Sanderson 的指导建议下，由 Data61 的实习生并在读于昆士兰科技大学（QUT）本科的 Jason Rumengan 和在读于新南威尔士大学（UNSW）本科的 Terry Yue Zhuo 开发完成。其中，Terry 受 Conrad 邀请参与到 PyArmadillo 中与 Jason 共同开发两大类型 mat 与 cube，也是唯一一位华人。Jason 主要负责 mat 部分以及编译方面而 Terry 则负责 cube 部分以及文档和测试。

项目地址：https://github.com/terryyz/PyArmadillo

具体而言，PyArmadillo 是一个 Python 语言的线性代数库，强调易用性。该库旨在提供类似于 Matlab 或者 Octave 的高级语法和功能，使得用户以熟悉且自然的方式表达数学运算。

PyArmadillo 还提供了用于矩阵和多维数据集（cube）的对象，以及 200 多个用于处理对象中存储数据的相关函数。所有功能都可以在一个平面结构中访问，并且支持整数、浮点数和复数。通过集成 LAPACK 或者 Intel MKL、OpenBLAS 等高性能替代产品，该库可以提供各种矩阵分解。

安装指南

PyArmadillo 库的具体用例如下图所示：

安装 PyArmadillo 需要满足以下要求：

大于 Python3.6，推荐为 3.8 及以上；
支持至少 C++ 11 标准的 C++ 编译器；
至少 8G RAM；
64-bit 的 CPU, 最好 4 核以上；
安装之前已安装好 OpenBLAS 和 LAPACK。

目前支持的操作系统：

Linux；
MacOS；
Window x64 (x86 暂不支持)。

当前 PyArmadillo 仅为 MVP（minimum viable product），更多的功能还在开发当中。如果使用途中遇到问题，可以通过官网作者的联系方式与他们交流或者在 GitLab 的仓库内汇报。

作者简介

Jason Rumengan，昆士兰科技大学信息技术本科生。研究兴趣在于软件开发、信息安全、网络连接、数据分析等。

Jason Rumengan 个人主页：https://www.jasonrumengan.my.id

Conrad Sanderson 为 Armadillo 的主要作者，曾受 Yoshua Bengio 弟弟 Samy Bengio 指导进入博士后（PostDoc）研究。在 Samy Bengio 为数不多的学生之中，Conrad 是唯一一个他指导过的 PostDoc。后来，Conrad 来到早期为 NICTA 而现今为 CSIRO 一部分的 Data61 担任研究科学进行研究，并且从计算机视觉研究过渡到开源科学计算库的开发工作。在 Armadillo 大获成功之后，Conrad 开始与 Debian 和 R 的主要开发人之一以及 Rcpp 的主作者 Dirk Eddelbuettel 合作进行 RcppArmadillo 的开发。主要研究兴趣在于机器学习、AI、模式识别、计算机视觉、高性能数值计算等。

Conrad Sanderson 个人主页：https://conradsanderson.id.au

华人作者 Terry Yue Zhuo 现为新南威尔士大学（UNSW）计算机科学本科生，主要研究兴趣在于自然语言处理（NLP）、AI 和图像处理等。

Terry Yue Zhuo 个人主页：https://terryyz.github.io

相关链接：

PyArmadillo 官网：https://pyarma.sourceforge.io

PyArmadillo 技术报告：https://pyarma.sourceforge.io/pyarmadillo_tech_report_2021.pdf

Armadillo 官网：http://arma.sourceforge.net

GitLab 开源地址：https://gitlab.com/jason-rumengan/pyarma

RcppArmadillo 官方仓库：https://github.com/RcppCore/RcppArmadillo

工程Python科学计算

相关数据

数据分析技术

数据分析是一类统计方法，其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系，并绘制出统计信息图，以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据，以便弄清哪些是同质的，从而更好地了解数据。数据分析可以处理大量数据，并确定这些数据最有用的部分。

来源：维基百科

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

模式识别技术

模式识别（英语：Pattern recognition），就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

来源：维基百科

计算机视觉技术

计算机视觉（CV）是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

来源：机器之心

操作系统技术

操作系统（英语：operating system，缩写作 OS）是管理计算机硬件与软件资源的计算机程序，同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

来源：百度百科

图像处理技术

图像处理是指对图像进行分析、加工和处理，使其满足视觉、心理或其他要求的技术。图像处理是信号处理在图像领域上的一个应用。目前大多数的图像均是以数字形式存储，因而图像处理很多情况下指数字图像处理。

来源：维基百科

自然语言处理技术

自然语言处理（英语：natural language processing，缩写作 NLP）是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

来源：维基百科

线性代数技术

线性代数是数学的一个分支，它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题；因而，线性代数被广泛地应用于抽象代数和泛函分析中；通过解析几何，线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中。

来源：百度百科

矩阵分解技术

矩阵分解是一种将矩阵简化为其组成部分的方法。这种方法可以简化更复杂的矩阵运算，这些运算可以在分解的矩阵上执行，而不是在原始矩阵本身上执行。它的衍生Non-negative matrix factorization也被用于降维等操作上。

来源：矩阵分解

​Python又添一大科学计算库，基于Armadillo矩阵库的PyArmadillo发布

Python又添一大科学计算库，基于Armadillo矩阵库的PyArmadillo发布