TensorFlow Rust 为 TensorFlow 提供了 Rust 语言的惯用绑定。

注意：此项目仍在积极开发中，不保证具有稳定的 API。

• 文档
• TensorFlow Rust Google Group
• TensorFlow 网站
• TensorFlow GitHub 页面

入门

由于此库依赖于 TensorFlow C API，因此需要先下载或编译。此库将自动为您下载或编译 TensorFlow 共享库，但也可以手动安装 TensorFlow，库将相应地拾取。

先决条件

如果系统上已经可以找到 TensorFlow 共享库，则将使用它们。如果您的系统是 x86-64 Linux 或 Mac，则将下载预构建的二进制文件，且不需要特殊先决条件。

否则，需要以下依赖项来编译和构建此库，这包括编译 TensorFlow 本身

• git
• bazel
• Python 依赖项 numpy，dev，pip 和 wheel
• 可选，支持基于 GPU 处理的 CUDA 软件包

TensorFlow 网站提供了有关如何获取和安装这些依赖项的详细说明，因此如果您不确定，请查看文档以获取更多信息。

某些示例使用 Python 编写的 TensorFlow 代码，需要完整安装 TensorFlow。

支持的最小 Rust 版本是 1.58。

使用

将此添加到您的 Cargo.toml

[dependencies]
tensorflow = "0.21.0"

并将其添加到您的库根目录

extern crate tensorflow;

然后运行 cargo build -j 1。tensorflow-sys 库的 build.rs 现在会下载一个预先构建的、仅支持CPU的基本二进制文件（默认选项），或者在环境变量强制的情况下编译 TensorFlow。如果在过程中编译 TensorFlow，由于完整编译非常消耗内存，我们建议使用 -j 1 标志，这个标志告诉 cargo 只使用一个任务，进而告诉 TensorFlow 只使用一个任务进行构建。尽管如此，如果您有很多 RAM，您当然可以使用更高的值。

要包含特别不稳定的 API（目前是 expr 模块），使用 --features tensorflow_unstable。

目前，请参阅 示例 了解如何使用此绑定更详细的信息。

张量最大显示

在打印或调试张量时，默认会打印每个元素，这可以通过更改环境变量进行修改

TF_RUST_DISPLAY_MAX=5

如果值超过限制，将截断值

let values: Vec<u64> = (0..100000).collect();
let t = Tensor::new(&[2, 50000]).with_values(&values).unwrap();
dbg!(t);

t = Tensor<u64> {
    values: [
        [0, 1, 2, 3, 4, ...],
        ...
    ],
    dtype: uint64,
    shape: [2, 50000]
}

GPU 支持

要启用 GPU 支持，请在您的 Cargo.toml 中使用 tensorflow_gpu 功能

[dependencies]
tensorflow = { version = "0.21.0", features = ["tensorflow_gpu"] }

手动 TensorFlow 编译

如果您想针对未发布/不受支持的 TensorFlow 版本工作或使用针对您的机器优化的构建，手动编译是最佳选择。

有关详细信息，请参阅 tensorflow-sys/README.md。

常见问题解答

为什么编译器说 API 的某些部分不存在？

API 中特别不稳定的部分（目前是 expr 模块）在 tensorflow_unstable 功能门后面，以防止意外使用。请参阅 http://doc.crates.io/manifest.html#the-features-section。（我们更愿意使用 #[unstable] 属性，但该属性 尚不存在。）

如何...？

首先尝试 文档，看看是否回答了您的问题。如果没有，请查看示例文件夹。请注意，可能没有针对您确切问题的示例，但它可能通过演示其他内容来回答您的问题。

如果上述所有内容都不能帮助您，您可以在 TensorFlow Rust Google Group 上提出您的问题。

贡献

开发者和用户都欢迎加入 TensorFlow Rust Google Group。

请阅读有关如何贡献代码的 贡献指南。

这不是一个官方的 Google 产品。

RFC 是 带有 RFC 标签的问题。检查它们并发表评论。讨论是受欢迎的。毕竟，这就是请求评论的目的！

许可

本项目受 Apache 2.0 许可证 的条款约束。

lib.rs:

该软件包为 TensorFlow 的内部使用提供了宏。不提供向后兼容性保证。