#深度学习 #张量 #机器学习

rai-models

Rust 中的具有人体工学 API 的 ML 框架

5 个版本 (破坏性更新)

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
0.8.0 2024 年 2 月 20 日
0.7.0 2024 年 1 月 23 日

#746机器学习

Download history 146/week @ 2024-05-08 30/week @ 2024-05-15 12/week @ 2024-05-22 7/week @ 2024-05-29 10/week @ 2024-07-03 3/week @ 2024-07-10

每月 444 次下载

MIT/Apache

76KB
2K SLoC

RAI

Rust Docs Status Latest Version Discord

Rust 中的具有人体工学 API 的 ML 框架。具有 JAX 之类的延迟计算和可组合转换。

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(&params);
    model.update_params(&mut params);
}

示例

  • 线性回归
    • cargo运行 --bin线性回归 --发布
  • mnist
    • cargo运行 --binmnist --发布
    • cargo运行 --binmnist --发布 --功能=cuda
  • mnist-cnn
    • cargo运行 --binmnist-cnn --发布
    • cargo运行 --binmnist-cnn --发布 --功能=cuda
  • phi2
    • cargo运行 --binphi2 --发布
    • cargo运行 --binphi2 --发布 --功能=cuda
  • phi3
    • cargo运行 --binphi3 --发布
    • cargo运行 --binphi3 --发布 --功能=cuda
  • qwen2
    • cargo运行 --binqwen2 --发布
    • cargo运行 --binqwen2 --发布 --功能=cuda
  • gemma
    • https://hugging-face.cn/google/gemma-2b 中接受许可协议
    • pip 安装 huggingface_hub
    • 在 hf 中登录 huggingface-cli login
    • cargo运行 --bingemma --发布
    • cargo运行 --bingemma --发布 --功能=cuda
  • vit
    • cargo运行 --binvit --发布
    • cargo运行 --binvit --发布 --功能=cuda

许可证

本项目受以下任一许可证的许可:

任选其一。

依赖项

~20–33MB
~504K SLoC