10个重大发布
0.11.0 | 2024年5月14日 |
---|---|
0.10.0 | 2024年3月26日 |
0.9.0 | 2024年2月24日 |
0.2.0 | 2023年12月28日 |
#910 in 机器学习
71 每月下载量
在 5 个crate(3 个直接)中使用
295KB
9K SLoC
RAI
在Rust中具有人性化API的ML框架。具有类似JAX的懒惰计算和可组合转换。
安装
cargo add rai
代码片段
函数转换(jvp、vjp、grad、value_and_grad)
use rai::{grad, Cpu, Tensor, F32};
fn f(x: &Tensor) -> Tensor {
x.sin()
}
fn main() {
let grad_fn = grad(grad(f));
let x = &Tensor::ones([1], F32, &Cpu);
let grad = grad_fn(x);
println!("{}", grad.dot_graph());
println!("{}", grad);
}
NN模块、优化器和损失函数
fn loss_fn<M: TrainableModule<Input = Tensor, Output = Tensor>>(
model: &M,
input: &Tensor,
labels: &Tensor,
) -> (Tensor, Aux<Tensor>) {
let logits = model.forward(input);
let loss = softmax_cross_entropy(&logits, labels).mean(..);
(loss, Aux(logits))
}
fn train_step<M: TrainableModule<Input = Tensor, Output = Tensor>, O: Optimizer>(
optimizer: &mut O,
model: &M,
input: &Tensor,
labels: &Tensor,
) {
let vg_fn = value_and_grad(loss_fn);
let ((_loss, Aux(_logits)), (grads, ..)) = vg_fn((model, input, labels));
let mut params = optimizer.step(&grads);
eval(¶ms);
model.update_params(&mut params);
}
示例
- 线性回归
cargorun --bin线性回归 --release
- mnist
cargorun --binmnist --release
cargorun --binmnist --release --功能=cuda
- mnist-cnn
cargorun --binmnist-cnn --release
cargorun --binmnist-cnn --release --功能=cuda
- phi2
cargorun --binphi2 --release
cargorun --binphi2 --release --功能=cuda
- phi3
cargorun --binphi3 --release
cargorun --binphi3 --release --功能=cuda
- qwen2
cargorun --binqwen2 --release
cargorun --binqwen2 --release --功能=cuda
- gemma
- 在https://hugging-face.cn/google/gemma-2b中接受许可协议
pip安装huggingface_hub
- 登录hf
huggingface-cli login
cargorun --bingemma --release
cargorun --bingemma --release --功能=cuda
- vit
cargorun --binvit --release
cargorun --binvit --release --功能=cuda
许可证
本项目许可协议为以下之一
- Apache License,版本2.0,(LICENSE-APACHE 或 https://apache.ac.cn/licenses/LICENSE-2.0)
- MIT许可证 (LICENSE-MIT 或 http://opensource.org/licenses/MIT)
任选其一。
依赖项
~2–15MB
~218K SLoC