mli

MLI 旨在为机器学习提供现代、数据驱动的抽象。

MLI 提供的特质与 Combine 的 Parser、Serde 的 Serialize 和 Deserialize、std 的 Iterator 以及 future 的 Future 和 Stream 非常相似。只需要创建张量处理原语并将它们连接起来，就可以构建一个大型系统，这个系统在更大的系统中仍然可以作为原语使用。

核心库

• mli
  • 具有特质的库
  • 与 #![no_std] 兼容
• mli-relu
  • 包含线性激活函数
  • 与 #![no_std] 不兼容（由 此问题 阻挡）
• mli-sigmoid
  • 包含 sigmoid 激活函数
  • 与 #![no_std] 不兼容（由 此问题 阻挡）
• mli-conv
  • 包含卷积实现
• mli-ndarray
  • 允许 mli 和 ndarray 之间的互操作性
    • 在张量上映射激活函数

目标

• 快速的 CPU 前向和反向传播。
• 抽象多个后端。
• 自动序列化和反序列化所有状态数据的导数（使用 serde）。
• 在不产生任何抽象开销的情况下，充分利用张量代码。
• 允许构建可以通过流进行通信的张量管道，以允许多节点设置。
  • 在这个库中实现这些管道的编排不是目标。

常量泛型

此 API 目前形式下完全可用，但一旦常量泛型工作并稳定，此 API 将更新以在编译时处理张量维度。这可能不会影响核心 mli 库，但会影响其他几个核心库中使用的关联类型。