純Rust編寫的機器學習框架Neuronika，速度堪比PyTorch
Rust 作為一門系統編程語言，專注于安全，尤其是并發安全，支持函數式和命令式以及泛型等編程范式的多范式語言，其語法上與 C++ 類似。
隨著 Rust 語言熱度的強勁增長，也有許多研究者探索 Rust 在機器學習等方面的研究。近日，有研究者用 Rust 編寫了一個機器學習框架 Neuronika。
Neuronika 是由 Francesco Iannelli 等人開發，他們現在是計算機科學的碩士生。該框架提供了自動分化和動態神經網絡，非常像 Pytorch。目前已經實現了最常見的層組件，如 dense 層、dropout 層、GRU、LSTM 和 1d-2d-3d CNN，然而，缺少池化層等等。Neuronika 還提供了損失函數、優化器、計算圖、張量和數據實用程序。
速度方面，項目作者表示 Neuronika 的表現可與 PyTorch 媲美。你可以對它進行基準測試。但目前還不能支持 GPU。想要進行基準測試，可以參考測試文檔。
測試文檔地址：https://docs.rs/neuronika/0.1.0/neuronika/
項目地址：https://github.com/neuronika/neuronika
對于該機器學習框架，網友直呼非常棒！
對于還不能支持 GPU，有網友支招：「對于 GPU 支持，可考慮 Vulkan 計算著色器。事實證明，它們的性能非常好，而且幾乎所有的 GPU 平臺都支持它，包括智能手機和瀏覽器。」
還有網友表示擔心，「如果不支持 GPU，能訓練出可用的模型嗎？現在關于機器學習的文章，他們都在談論更大、更昂貴的 GPU。」對于這一擔心，項目作者表示：「這取決于用例。當然，GPU 支持是當今必須的，我們認為它是我們框架的開發的一個重大里程碑。」
項目介紹
Neuronika 是用純 Rust 語言編寫的機器學習框架，其構建重點在于易用性、快速原型開發和高效性能。
Neuronika 的核心機制是一種叫做反向模式自動分化機制（ reverse-mode automatic differentiation），這種機制允許用戶在改變動態神經網絡時可以輕松實現，沒有任何開銷，可通過 API 運行。
Rust 語言提供了一個直觀、輕巧且易于使用的界面，同時實現了令人難以置信的性能。
以下 crate 特征 flag 可用，配置 ndarray 后端：
- serialize：可以序列化支持 serde 1.x。
- blas：為矩陣乘法提供透明的 BLAS 支持。將 blas-src 用于 pluggable 后端，需要單獨配置。
- matrixmultiply-threading：啟用 matrixmultiply 包中的 threading 特性。
目前，Neuronika 的開發處于初始階段，但其發展迅速。研究者還在不斷的開發該項目，從一個版本到另一個版本的轉換過程中，預計會有突破性的變化。如果可能的話，研究者會采用最新的、穩定的 Rust 特征來開發。
