Що краще: FORTRAN чи Python? І я здогадуюсь, що в обох випадках вам потрібен Gnuplot, я прав?

Зараз я працюю на машині Windows.

Я хотів би використовувати його для отримання чисельних рішень для фізичних проблем, включаючи моделювання Монте-Карло, числову інтеграцію та диференціювання, молекулярну динаміку тощо.

Я побачив курс з обчислювальної фізики, який представляє як FORTRAN (77 я вважаю), так і Python. Я планую почати з одного, а потім вивчити інший, але не знаю, який перехід може бути найпростішим.

Також які компілятори ви б рекомендували?

Основне питання для мене зводиться до: який найпростіший у вивченні, який найшвидший, який найзручніший і перш за все той, який найбільше використовується (так порівняння цих 4)? А поруч із цим, які найпоширеніші (безкоштовні чи платні) компілятори використовуються? Я зараз розглядаю можливість перетворення старого ноутбука (раннього двоядерного Intel) в Linux; сподіваємось, це досить швидко.

Дякую за відповіді поки що! Відповіді, які відповідають тому, що я шукаю, - це відповіді LKlevin та SAAD.

Я знаю основи C ++, Maple і я майже повністю освоюю MATLAB та Mathematica9, якщо це допоможе.

Простота навчання

Python і Fortran - це відносно легкі для вивчення мови. Напевно, простіше знайти хороші навчальні матеріали Python, ніж хороші навчальні матеріали Fortran, оскільки Python використовується ширше, а Fortran в даний час вважається мовою "спеціальності" для чисельних обчислень.

Я вважаю, що перехід від Python до Fortran був би простішим. Python - це інтерпретована мова, тому кількість кроків, які потрібно виконати для запуску першої програми, менша (відкрийте інтерпретатор, введіть print("Hello, world!")підказку), ніж для Fortran (напишіть програму "Hello world", компілюйте, запустіть). Я також думаю, що в Python є кращі матеріали для викладання об'єктно-орієнтованого стилю, ніж у Fortran, і на GitHub доступно більше Python-коду, ніж код Fortran.

Початок роботи та роботи в Windows

Встановлення Python має бути менш болісним; доступні дистрибутиви Windows. Я рекомендую використовувати такий науковий дистрибутив, як Анаконда або Барабанний навіс. Компілятор насправді насправді не є; перекладач бере цю роль. Ви хочете використовувати інтерпретатор на основі CPython, оскільки є більше числових бібліотек, і він добре взаємодіє з C, C ++ та Fortran. Інші реалізації інтерпретатора включають Jython та PyPy.

На машині Windows установка компілятора Fortran буде дратувати. Типовими компіляторами командного рядка є такі програми, як gfortran, ifort (від Intel; безкоштовно для особистого використання, інакше коштує гроші) та pgfortran (від PGI; безкоштовні пробні версії, інакше коштують гроші). Щоб встановити ці компілятори, можливо, вам доведеться встановити якийсь шар сумісності типу UNIX / POSIX, наприклад Cygwin або MinGW. Я вважав болем працювати, але деяким людям подобається цей робочий процес. Ви також можете встановити компілятор з графічним інтерфейсом, наприклад, Visual Fortran (знову ж, вам доведеться заплатити за ліцензію).

В Linux буде простіше встановити Python та компілятори; Я б все-таки встановив Anaconda або Enthought Canopy як дистрибутив Python.

Швидкість: компроміс продуктивності та продуктивності

Використовуючи Python (або MATLAB, Mathematica, Maple або будь-яку інтерпретовану мову), ви відмовляєтесь від продуктивності. Порівняно з Fortran (або C ++, C або будь-якою іншою складеною мовою), ви будете писати менше рядків коду для виконання того ж завдання, що, як правило, означає, що вам знадобиться менше часу, щоб отримати робоче рішення.

Ефективне покарання за ефективність використання Python варіюється та зменшується шляхом делегування обчислювально інтенсивних завдань на компільовані мови. MATLAB робить щось подібне. Коли ви робите множення матриць у MATLAB, він викликає BLAS; штрафний показник практично дорівнює нулю, і вам не довелося писати жодних Fortran, C або C ++, щоб отримати високу продуктивність. Схожа ситуація існує і в Python. Якщо ви можете використовувати бібліотеки (наприклад, NumPy, SciPy, petsc4py, dolfin від FEniCS, PyClaw), ви можете написати весь свій код у Python і отримати хороші показники (пеня, можливо, 10-40%), оскільки всі обчислювальні Інтенсивні частини - це дзвінки до швидко складених мовних бібліотек. Однак якби ви писали все на чистому Python, покарання за продуктивність було б коефіцієнтом 100-1000x. Тож якщо ви хочете використовувати Python і повинні були включити користувальницький, обчислювально обчислювальна рутина, вам було б краще написати цю частину мовою, складеною на зразок C, C ++ або Fortran, а потім обернути її інтерфейсом Python. Є бібліотеки, які полегшують цей процес (наприклад, Cython та f2py), і навчальні посібники, які допоможуть вам; це, як правило, не обтяжливо.

Сфера використання

Python широко використовується в цілому як мова загального призначення. Fortran значною мірою обмежений чисельними та науковими обчисленнями і в основному конкурує з C і C ++ для користувачів у цій галузі.

У галузі обчислювальної техніки Python, як правило, не конкурує безпосередньо зі складеними мовами через пені, які я згадав. Ви б використовували Python у випадках, коли ви хочете, щоб висока продуктивність і продуктивність були вторинними питаннями, наприклад, при прототипуванні чисельно інтенсивних алгоритмів, обробці даних та візуалізації. Ви б використовували Fortran (або іншу мову, що склалася), коли ви добре розумієте, яким повинен бути ваш алгоритм та дизайн додатків, ви готові витратити більше часу на написання та налагодження свого коду, а продуктивність є першорядною. (Наприклад, продуктивність є обмежуючим кроком у вашому процесі моделювання, або він є ключовим результатом у ваших дослідженнях. Загальна стратегія - змішати Python та мову компіляції (зазвичай це використовується C або C ++, але також використовується Fortran), і використовувати лише скомпільовану мову для найбільш чутливих до продуктивності частин коду; вартість розробки полягає, звичайно, у тому, що складніше написати та налагодити програму двома мовами, ніж програму на одній мові.

З точки зору паралелізму, чинний стандарт MPI (MPI-3) має вроджені прив’язки Fortran і C. Стандарт MPI-2 мав вбудовані C ++ прив’язки, але MPI-3 не має, і вам доведеться використовувати зв'язки C. Існують сторонні MPI прив’язки, такі як mpi4py. Я використав mpi4py; він добре працює і простий у використанні. Для великомасштабного паралелізму (десятки тисяч ядер) ви, мабуть, захочете скористатися складеною мовою, тому що такі речі, як динамічне завантаження модулів Python, будуть кусати вас в дупу в масштабі, якщо ви будете робити це наївно. Існують способи обійти це вузьке місце, як показали розробники PyClaw, але цього простіше уникнути.

Особиста думка

Я маю приблизно десятиліття досвіду роботи у Fortran 90/95, а також програмував у Fortran 2003. У мене є приблизно п'ять років досвіду програмування в Python. Я використовую Python набагато більше, ніж я використовую Fortran, тому що, чесно кажучи, я більше роблю в Python. Більшість робіт, які мені потрібно виконати, не потребують великих суперкомп'ютерних ресурсів і, як правило, не варто переробляти іншою мовою, тому Python просто чудово вирішує ODE та PDE. Якщо мені потрібно використовувати компільовану мову, я буду використовувати в цьому порядку C, C ++ або Fortran.

Більшість коду Fortran, які я бачив, були некрасивими, головним чином тому, що більшість спільнот з обчислювальних наук, здається, не знають або не проти будь-яких найкращих практик, виявлених інженерами програмного забезпечення за останні 30 років. На кшталт: у Фортрана немає хорошої рамки тестування одиниць. (Найкраще, на що я стикався, - це FUnit, NASA, і це вже не підтримується.) Є кілька хороших рамок тестування модулів Python, хороші генератори документації Python і, як правило, багато кращих прикладів хороших практик програмування.

Я б тримався подалі від Фортана, або, якщо потрібно, використовувати досить нову версію (2003, а не 77). Багато програмного забезпечення з фізики (зокрема моделювання Монте-Карло) написано у Фортран, просто тому, що проекти спочатку були започатковані у 80-х.

Як сказано, python і Fortran - це дві дуже різні мови, і те, для чого їх слід використовувати, зовсім інше. Python - це високий рівень і взагалі не такий швидкий (порівняно з Fortran & C ++). Причина, по якій його так багато використовують, полягає в тому, що він досить швидкий для більшості речей і має чудові бібліотеки (що працюють на Fortran) для багатьох (але не всіх) речей, які ви хотіли б зробити. Він також має чудовий Matplotlib для побудови графіків (тому немає потреби в GNUplot), і ви можете отримати цілком пристойну продуктивність, використовуючи такі речі, як Cython, для написання дорогих біт. Однак це буде не так швидко, як Fortran або C ++, але паралелізація є досить жахливою, що робить її неадекватною для чисельних обчислень високої продуктивності. Якщо все, що ви хочете, можна вирішити, зателефонувавши до бібліотек Fortran або C,

Фортран - мова дещо нижчого рівня. Для числових даних підтримка бібліотеки напрочуд хороша, але все ще дуже низький рівень дає вам скарб помилок, яких ви могли б уникнути, наприклад, випадково передавши неправильний розмір масиву методу. Ці помилки важко знайти, і ви можете їх зовсім не помітити. Повірте, я витратив досить довгий час на написання Fortran 77.

C ++ є (на мою скромну думку) щасливим середовищем. З такими бібліотеками, як Armadillo або Eigen, ви можете піти з досить високого рівня стилю кодування, отримуючи при цьому стиль виконання низького рівня.

Якщо говорити про продуктивність, то єдиний реальний вибір для числового пітона зараз - це CPython. Якщо ви завантажите щось на кшталт WinPython, ви також отримаєте більшість потрібних бібліотек.

Для Fortran на windows все стає дещо складніше. Я рекомендую перейти на Linux та використовувати компрелятор gfortran або Intel ifort. На моєму досвіді Ifort, як правило, швидше для цифрового коду, але є вільним лише для некомерційного, неакадемічного використання.

Підводячи підсумок: Якщо ви не хочете запускати дійсно важкі імітації, пітон набагато простіший вибір і набагато приємніше працювати. Це також повинно бути досить швидким для більшості проектів на рівні студентів. Якщо вам потрібна краща продуктивність, почніть з перегляду витрачених кількостей бібліотек, вже написаних, і нехай це визначає вашу мову. Якщо вам потрібно писати речі з нуля, використовуйте C ++.

Також попередження: більшість кодів, написаних фізиками, є досить жахливими, імовірно, тому, що фізики мають тенденцію вважати, що програмування є простим і не вимагає тієї ж суворості, яку вони могли використовувати в математиці. Подумайте про те, щоб пройти заняття чи придбати книгу, яка навчає програмуванню.

Відмова: Я фізик, який досить багато часу проводив з кодами Монте-Карло на базі Fortran 77 і в даний час виконує всю обробку своїх даних в Python.

Python - дуже повільна мова високого рівня. Для швидкого скорочення чисел вам доведеться записати основні обчислювальні ядра на мовах низького рівня, таких як C / C ++, що означає, що тепер вам доведеться вивчати не одну, а принаймні дві мови. Вам також доведеться мати справу з додатковою головним болем, пов’язаним з налагодженням / установкою / технічним обслуговуванням тощо. Більшість людей використовують Python як синтаксичний цукор для приховування коротких надходжень C / C ++.

Сучасний Фортран (90 і пізніших версій) є як швидким, так і високим рівнем, майже з MATLAB, як синтаксис. Тож ви можете робити такі речі, як:

k=k+matmul(transpose(B),matmul(D,B))*weight(i)*detj

або

indx(:)=indxmap(indx(:),2)

або навіть простіше

indx=indxmap(indx,2)

тощо.

На Linux є ряд безкоштовних компіляторів Fortran. я використовую

1. GCC
2. Студія Solaris
3. Open64
4. Intel (лише для некомерційного використання)

Я не використовую Macs / OSX, але є безкоштовний PGI.

І будь ласка, не використовуйте FORTRAN 77. Ніхто не використовує його для написання нового коду.

Відмова: Я особисто дивився на Python для написання власного невеликого неструктурованого коду FE (побудований поверх PETSc), але обсяг роботи / кодування, що займається, був більшим, ніж просто написання цього простого Fortran 95.

Python дуже практичний для повного моделювання аналізу з добре задокументованими універсальними пакетами: генерація сітки, обчислення масиву та обробка структури даних ( numpy та панди ), а також візуалізація даних за допомогою matplotlib. Для складних симуляцій з великими файлами результатів ще краще працювати з пакетом VTK, який дозволяє експортувати дані для зчитування передовими програмами з відкритим кодом (наприклад, Paraview або Visit)

Фортран вже деякий час є кращою мовою для різних доменів у симуляціях. Це легко читається (хоча читається, ніж код Python). Обробка масивів - це одна з сильних мов, досить легко визначити та використовувати під час використання всі види операцій з масивом. Це стане в нагоді і при налагодженні.

Порівняння зменшується до продуктивності : я робив обчислення великого масштабу лише за допомогою компільованих мов (C ++ та Fortran 90), але ніколи з Python. Інший потік дає більше інформації про продуктивність інтерпретованих та складених мов: Яку мову я повинен використовувати під час викладання бакалаврського курсу комп'ютерного програмування?

Особисто мені подобається взагалі працювати з Python, особливо для пост-обробки. Програмування Python - це весело!

З Python вам не потрібен Gnuplot, ви можете використовувати, наприклад, matplotlib та / або використовувати оболонку IPython. IPython - це інтерактивна оболонка Python, яка в режимі% pylab забезпечує майже ті самі команди побудови графіку, які є у вас в MATLAB.

Цілком ймовірно, що наукові обчислення значно розширяться від MATLAB до Python у наступні 5+ років.

Я б продовжував використовувати MATLAB, він викликає бібліотеки швидкої математики, і ви не побачите великої різниці в продуктивності, перейшовши на FORTRAN у Windows. У той же час у вас буде краща інфраструктура в MATLAB для звітування про результати та запуску коду. Мінусом MATLAB є його вартість. FORTRAN в основному безкоштовний, і там є купа безкоштовних бібліотек.

FORTRAN дуже легко вивчити та розпочати програмування. В основному це робить те, що пропонує назва: переводить ваші формули в код, який легко читати та розуміти. Ось чому фізики його багато використовували в старі часи. Поки більша частина вашого коду стосується вирішення фізичних проблем (не створення графічних інтерфейсів чи інших цікавих матеріалів), FORTRAN-код буде легко підтримувати.

Я б рекомендував Python, тільки якщо вам подобається програмування. Подумайте над цим: коли ви кодуєте вирішення проблеми фізики, вам подобається програмувати частину рішення? Якщо ви це зробите, то Python - це варіант, оскільки мова набагато краща, ніж мова MATLAB.