Язык программирования Julia стал доступен в Google Colab

Ранее запуск Julia в Colab требовал обходных путей, таких как ручная установка в каждом сеансе. Теперь же можно использовать бесплатные графические процессоры T4 (совместимые с CUDA.jl) для запуска рабочих нагрузок Julia для целей высокопроизводительных вычислений, науки о данных и исследований ИИ. Преобразование функции для запуска на графическом процессоре аналогично использованию CUDA; gpu_data_array = cu(cpu_data_array).

Такие пакеты, как CUDA, Reactant и DiffEqGPU, теперь без проблем работают в среде выполнения Julia, позволяя использовать передовые приложения машинного обучения и научных вычислений. Вычисления на графическом процессоре могут ускорить параллельную обработку, например позволят вычислить изображение множества Мандельброта.

Для обеспечения плавного опыта Julia Runtime Colab основана на версии 1.10 LTS и поставляется с предустановленными основными пакетами, включая IJulia (для совместимости Jupyter/Colab), CSV и DataFrames (для обработки данных), Makie и Plots (библиотеки визуализации).

Кроме того, разработчики изучают возможность предварительной установки CUDA для включения ускорения GPU в Colab.

Julia работает с ИИ Gemini в Colab. Это позволит легко интегрировать идеи на основе искусственного интеллекта в свои рабочие процессы.

Чтобы начать работу с Julia, нужно открыть Google Colab, выбрать «Runtime» > «Change runtime type» и «Julia» в качестве среды выполнения.

Ранее Google выпустила обновление для Colab, которое позволит изменить способ анализа данных. Бесплатная облачная среда Jupyter Notebook теперь включает в себя Data Science Agent на базе Gemini, который автоматизирует такие задачи, как импорт библиотек, загрузка данных и написание шаблонного кода.