Concision

该库目前处于开发初期，尚不适合生产使用。

Concision旨在成为Rust中构建机器学习模型的完整工具包。

Concision是一个Rust中的机器学习库，优先考虑易用性、效率和灵活性，以构建强大的模型。该库旨在利用Rust 2024版中即将推出的autodiff实验特性和对泛型的增强支持。

入门指南

从源代码构建

首先克隆仓库

git clone https://github.com/FL03/concision.git
cd concision

cargo build --features full -r --workspace

用法

示例：线性模型（有偏置）

    extern crate concision as cnc;

    use cnc::prelude::{linarr, Linear, Result, Sigmoid};
    use ndarray::Ix2;

    fn main() -> Result<()> {
        tracing_subscriber::fmt::init();
        tracing::info!("Starting linear model example");

        let (samples, d_in, d_out) = (20, 5, 3);
        let data = linarr::<f64, Ix2>((samples, d_in)).unwrap();

        let model = Linear::<f64>::from_features(d_in, d_out).uniform();
        // let model = Linear::<f64, cnc::linear::Unbiased>::from_features(d_in, d_out).uniform();

        assert!(model.is_biased());

        let y = model.activate(&data, Sigmoid::sigmoid).unwrap();
        assert_eq!(y.dim(), (samples, d_out));
        println!("Predictions:\n{:?}", &y);

        Ok(())
    }

贡献

欢迎拉取请求。对于重大更改，请先打开一个问题以讨论您想要更改的内容。

请确保适当地更新测试。

许可

• Apache-2.0
• MIT