RAI

具有直观API的Rust机器学习框架。具有类似JAX的懒计算和可组合转换。

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);
}

神经网络模块、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 --特性=cuda
• mnist-cnn
  • cargo运行 --binmnist-cnn --发布
  • cargo运行 --binmnist-cnn --发布 --特性=cuda
• phi2
  • cargo运行 --binphi2 --发布
  • cargo运行 --binphi2 --发布 --特性=cuda
• phi3
  • cargo运行 --binphi3 --发布
  • cargo运行 --binphi3 --发布 --特性=cuda
• qwen2
  • cargo运行 --binqwen2 --发布
  • cargo运行 --binqwen2 --发布 --特性=cuda
• gemma
  • 在https://hugging-face.cn/google/gemma-2b上接受许可协议
  • pip install huggingface_hub
  • 登录hf huggingface-cli login
  • cargo运行 --bingemma --发布
  • cargo运行 --bingemma --发布 --特性=cuda
• vit
  • cargo运行 --binvit --发布
  • cargo运行 --binvit --发布 --特性=cuda

授权协议

本项目采用以下授权协议之一：

• Apache License，版本2.0，(LICENSE-APACHE 或 https://apache.ac.cn/licenses/LICENSE-2.0)
• MIT授权协议 (LICENSE-MIT 或 http://opensource.org/licenses/MIT)

任选其一。