純Rust編寫的機器學習框架Neuronika，速度堪比PyTorch

2021-06-18 15:52:05

機器之心報道

編輯：陳萍

這是一個用 Rust 編寫的機器學習框架，與 PyTorch 類似，現已實現最常見的層元件（dense 層、dropout 層等），速度堪比 PyTorch。

Rust 作為一門系統程式語言，專注於安全，尤其是併發安全，支援函數式和命令式以及泛型等程式設計正規化的多正規化語言，其語法上與 C++ 類似。

隨著 Rust 語言熱度的強勁增長，也有許多研究者探索 Rust 在機器學習等方面的研究。近日，有研究者用 Rust 編寫了一個機器學習框架 Neuronika。

Neuronika 是由 Francesco Iannelli 等人開發，他們現在是電腦科學的碩士生。該框架提供了自動分化和動態神經網路，非常像 Pytorch。目前已經實現了最常見的層元件，如 dense 層、dropout 層、GRU、LSTM 和 1d-2d-3d CNN，然而，缺少池化層等等。Neuronika 還提供了損失函數、優化器、計算圖、張量和資料實用程式。

速度方面，項目作者表示 Neuronika 的表現可與 PyTorch 媲美。你可以對它進行基準測試。但目前還不能支援 GPU。想要進行基準測試，可以參考測試文件。

測試文件地址：https://docs.rs/neuronika/0.1.0/neuronika/

項目地址：https://github.com/neuronika/neuronika

對於該機器學習框架，網友直呼非常棒！

對於還不能支援 GPU，有網友支招：「對於 GPU 支援，可考慮 Vulkan 計算著色器。事實證明，它們的效能非常好，而且幾乎所有的 GPU 平臺都支援它，包括智慧手機和瀏覽器。」

還有網友表示擔心，「如果不支援 GPU，能訓練出可用的模型嗎？現在關於機器學習的文章，他們都在談論更大、更昂貴的 GPU。」對於這一擔心，項目作者表示：「這取決於用例。當然，GPU 支援是當今必須的，我們認為它是我們框架的開發的一個重大里程碑。」

項目介紹

Neuronika 是用純 Rust 語言編寫的機器學習框架，其構建重點在於易用性、快速原型開發和高效效能。

Neuronika 的核心機制是一種叫做反向模式自動分化機制（ reverse-mode automatic differentiation），這種機制允許使用者在改變動態神經網路時可以輕鬆實現，沒有任何開銷，可通過 API 運行。

Rust 語言提供了一個直觀、輕巧且易於使用的介面，同時實現了令人難以置信的效能。

以下 crate 特徵 flag 可用，配置 ndarray 後端：

serialize：可以序列化支援 serde 1.x。blas：為矩陣乘法提供透明的 BLAS 支援。將 blas-src 用於 pluggable 後端，需要單獨配置。matrixmultiply-threading：啟用 matrixmultiply 包中的 threading 特性。

目前，Neuronika 的開發處於初始階段，但其發展迅速。研究者還在不斷的開發該項目，從一個版本到另一個版本的轉換過程中，預計會有突破性的變化。如果可能的話，研究者會採用最新的、穩定的 Rust 特徵來開發。

純Rust編寫的機器學習框架Neuronika，速度堪比PyTorch

熱門文章