这是一个用 Rust 编写的机器学习框架，与 PyTorch 类似，现已实现最常见的层组件（dense 层、dropout 层等），速度堪比 PyTorch。
Rust 作为一门系统编程语言，专注于安全，尤其是并发安全，支持函数式和命令式以及泛型等编程范式的多范式语言，其语法上与 C++ 类似。
随着 Rust 语言热度的强劲增长，也有许多研究者探索 Rust 在机器学习等方面的研究。近日，有研究者用 Rust 编写了一个机器学习框架 Neuronika。
Neuronika 是由 Francesco Iannelli 等人开发，他们现在是计算机科学的硕士生。该框架提供了自动微分和动态神经网络，非常像 Pytorch。目前已经实现了最常见的层组件，如 dense 层、dropout 层、GRU、LSTM 和 1d-2d-3d CNN，然而，缺少池化层等等。Neuronika 还提供了损失函数、优化器、计算图、张量和数据实用程序。
速度方面，项目作者表示 Neuronika 的表现可与 PyTorch 媲美。你可以对它进行基准测试。但目前还不能支持 GPU。想要进行基准测试，可以参考测试文档。
测试文档地址：https://docs.rs/neuronika/0.1.0/neuronika/
项目地址：https://github.com/neuronika/neuronika
对于还不能支持 GPU，有网友支招：「对于 GPU 支持，可考虑 Vulkan 计算着色器。事实证明，它们的性能非常好，而且几乎所有的 GPU 平台都支持它，包括智能手机和浏览器。」
还有网友表示担心，「如果不支持 GPU，能训练出可用的模型吗？现在关于机器学习的文章，他们都在谈论更大、更昂贵的 GPU。」对于这一担心，项目作者表示：「这取决于用例。当然，GPU 支持是当今必须的，我们认为它是我们框架的开发的一个重大里程碑。」
Neuronika 是用纯 Rust 语言编写的机器学习框架，其构建重点在于易用性、快速原型开发和高效性能。
Neuronika 的核心机制是一种叫做反向模式自动微分机制（ reverse-mode automatic differentiation），这种机制允许用户在改变动态神经网络时可以轻松实现，没有任何开销，可通过 API 运行。
Rust 语言提供了一个直观、轻巧且易于使用的界面，同时实现了令人难以置信的性能。
以下 crate 特征 flag 可用，配置 ndarray 后端：
-
serialize：可以序列化支持 serde 1.x。
-
blas：为矩阵乘法提供透明的 BLAS 支持。将 blas-src 用于 pluggable 后端，需要单独配置。
-
matrixmultiply-threading：启用 matrixmultiply 包中的 threading 特性。
目前，Neuronika 的开发处于初始阶段，但其发展迅速。研究者还在不断的开发该项目，从一个版本到另一个版本的转换过程中，预计会有突破性的变化。如果可能的话，研究者会采用最新的、稳定的 Rust 特征来开发。
https://www.reddit.com/r/rust/comments/o0actf/announcing_neuronika_010_a_deep_learning/
亚马逊云科技中国峰会
2021亚马逊云科技中国峰会将在中国上海、北京、深圳三大城市举办。本次峰会以“构建新格局，重塑云时代”为题，并携手众多业内领先的技术践行者们一起同你分享“云时代的构建故事与重塑经验”。
7月21日-22日，2021亚马逊云科技中国峰会上海站将有多位重磅业内专家及行业大咖在现场分享独到的行业见解。
面向开发者，本次峰会将专门设立开发者专区，并联合 Apache 等各类开源社区，以及多位开源牛人，为开发者们带来脑洞大开的内容分享！
面向行业，近百位来自业内各领域的合作伙伴、客户及亚马逊云科技技术专家，共同组成的强大嘉宾阵容，为你带来行业最佳实践分享及领先技术成果发布解读！
识别下方小程序，立即报名。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：[email protected]
文章评论