6 个版本
使用旧的 Rust 2015
0.2.1 | 2016 年 4 月 23 日 |
---|---|
0.2.0 | 2016 年 3 月 4 日 |
0.1.2 | 2015 年 12 月 19 日 |
0.1.1 | 2015 年 11 月 30 日 |
0.0.1 | 2015 年 11 月 2 日 |
#484 in 机器学习
38 每月下载量
785KB
3.5K SLoC
包含 (WOFF 字体,82KB) fontawesome-webfont.woff,(WOFF 字体,65KB) fontawesome-webfont.woff2
Leaf •
简介
Leaf 是一个开源的机器学习框架,旨在帮助黑客构建经典、深度或混合机器学习应用。它受到 TensorFlow、Torch、Caffe、Rust 以及众多研究论文背后的杰出人士的启发,为深度学习带来了模块化、性能和可移植性。
Leaf 拥有最简单的 API 之一,体积小巧,并努力将最小技术债务引入您的堆栈。
更多信息请参见 Leaf - 黑客机器学习 一书。
Leaf 已有几个月的历史,但由于其架构和 Rust,它已经成为可用的最快机器智能框架之一。
更多深度神经网络基准测试请参考 深度学习基准测试。
Leaf 可移植性强。它可以在 CPU、GPU 和 FPGA 上运行,在带操作系统的机器上运行,也可以在不带操作系统的机器上运行。可以使用 OpenCL 或 CUDA 运行。这归功于 Collenchyma 和 Rust。
Leaf 是 Autumn 机器智能平台的一部分,该平台正在努力使 AI 算法计算效率提高 100 倍。
我们认为 Leaf 是构建高性能机器智能应用的核心。Leaf 的设计使得发布独立模块变得容易,例如深度强化学习、可视化与监控、网络分发、自动化预处理 或可扩展的生产部署,让每个人都能轻松访问。
免责声明:Leaf 目前处于早期开发阶段。如果您在使用已实现的特性时遇到任何问题,请自由地创建一个 issue。
入门指南
文档
要了解如何使用 Leaf 构建经典、深度或混合机器学习应用,请查阅 Leaf - Hacker 的机器学习指南 一书。
更多信息请参阅 Rust API 文档 或 Autumn 网站。
或者,先运行 Leaf 示例。
我们提供了一个 Leaf 示例存储库,我们和他人在这里发布使用 Leaf 构建的执行机器学习模型。它具有一个易于使用的 CLI,并在 项目 README.md 中有详细的指南。
Leaf 还包含一个示例目录,其中包含流行的神经网络(例如 Alexnet、Overfeat、VGG)。要在您的机器上运行它们,只需遵循安装指南,克隆此存储库,然后运行
# The examples currently require CUDA support.
cargo run --release --no-default-features --features cuda --example benchmarks alexnet
安装
Leaf 是用 Rust 编写的。如果您对 Rust 不熟悉,可以详细地在此 处 安装 Rust。我们还建议您查看 官方 Rust - 入门指南。
要开始构建机器学习应用(目前仅支持 Rust。欢迎添加包装器),并且您使用 Cargo,只需将 Leaf 添加到您的 Cargo.toml
文件中即可。
[dependencies]
leaf = "0.2.1"
如果您所在的机器不支持 CUDA 或 OpenCL,您可以在 Cargo.toml
中像这样选择性地启用它们
[dependencies]
leaf = { version = "0.2.1", default-features = false }
[features]
default = ["native"] # include only the ones you want to use, in this case "native"
native = ["leaf/native"]
cuda = ["leaf/cuda"]
opencl = ["leaf/opencl"]
有关 Leaf 中使用功能标志的更多信息,请参阅 FEATURE-FLAGS.md
贡献
如果您想开始对 Leaf 进行黑客攻击(例如 添加新的 Layer
),您应该从叉出和克隆存储库开始。
我们还有更多指导,可以帮助您在 CONTRIBUTING.md 中开始。
我们还拥有一个近乎实时协作的文化,这发生在 Github 和 Leaf Gitter 频道 上。
除非您明确表示,否则,您有意提交给作品的所有贡献(根据 Apache-2.0 许可证的定义),应以下列方式双许可,而不附加任何额外的条款或条件。
生态系统/扩展
我们设计了 Leaf 和 Autumn 平台 的其他 crate,使其尽可能模块化和可扩展。以下是一些您可以与 Leaf 一起使用的有用 crate
- Cuticula:机器学习的预处理框架
- Collenchyma:任何硬件上的可移植、HPC 框架,支持 CUDA、OpenCL、Rust
支持/联系
- 有些运气,您可以在 irc.mozilla.org 上的 #rust-machine-learning IRC 找到我们,
- 但我们总是在 Gitter/Leaf 上可接触。
- 对于错误和功能请求,您可以创建一个 Github issue
- 对于更私密的事情,直接发送电子邮件到我们的收件箱: [email protected]
- 有关更多信息,请参阅 Autumn
变更日志
您可以在CHANGELOG.md中找到发布历史。我们使用Clog,这是一个用于自动生成CHANGELOG文件的Rust工具。
许可证
根据您的选择,许可协议为以下之一
- Apache License,版本2.0,(LICENSE-APACHE 或 http://www.apache.org/licenses/LICENSE-2.0)
- MIT许可证(LICENSE-MIT 或 http://opensource.org/licenses/MIT)
。
依赖项
~3.5-5.5MB
~89K SLoC