Alumina

一个使用纯 Rust 编写的实验性深度学习库。短期内每个版本都可能出现故障。请参阅 examples 目录中的 mnist.rs 或 Rusty_SR 以获取使用示例。

贡献

问题是一个很好的讨论、问题、请求和协调未来工作的地方。

鼓励提交明显错误的文档贡献，以此作为引导文档工作的方式。只需提交一个 PR 并用任何从最佳猜测到消极挑衅的童谣来填写文档注释即可。

文档

在库稳定下来之前，文档可能比较零散，尤其是在图抽象最终确定和切换到 ndarray 之前。

进度

• 计算超图
• 密集连接和偏置操作
• 损失函数
  • 均方误差
  • 分类交叉熵
  • SoftMax 交叉熵
  • 二元交叉熵
• 激活函数
  • Tanh
  • 逻辑函数
  • 恒等函数
  • ReLU
  • LeakyReLU
  • ELU
  • SoftMax
  • SRGB 曲线
  • BeLU
  • SoftExp
  • SoftPlus
• 空间运算
  • 形状约束传播
  • N 维卷积
    • 任意填充
    • 步长
  • N 维平均池化
  • N 维 spaxel 打乱以实现“亚像素卷积”
  • N 维线性插值（反向传播尚未完成）
  • 全局池化
  • 广播
• 数据加载
  • Mnist
  • Cifar
  • 图片文件夹
  • Imagenet (ILSVRC)
• SGD
• RMSProp
• ADAM
• CAIN
  • 自适应批量大小
  • 自适应学习率
  • 自适应动量
• 基本的数值测试
• 限制优化器评估批次大小以保持在内存限制内
• 选择性地禁用前向值的计算、节点导数和参数导数的计算
• 操作构造的构建器模式
• 将 Graph 结构拆分为可变的 GraphBuilder 和不可变的子图
  • 替换“意外二次”图算法
  • 用基于节点生存性分析的子图优化分配/释放模式替换前置分配
• 全面优化数据摄取，特别是缓冲输入处理/读取。
• 尽可能迁移到bluss的ndarray（长期未更新）
• 提高命名的一致性
• 完成文档
• 减少API中表达非法状态的能力
• 从panic转换为error-chain
• 严格保护不安全的代码
• 全面测试
• 将Arrayfire作为APU上sgemm的选项

遥远

• RNNs
• 高效的概率结构（例如，生成RNNs）
• 图优化遍历和原地操作
• 支持动态和静态图

许可证

MIT