tracel-ai/burn

项目概览

burn 是一个将训练与推理统一在单一 API 下的深度学习框架，训练时编写的代码即为生产环境中运行的代码，从而消除从 Python 训练迁移到生产引擎时所需的导出步骤。

项目类型

模型开发 · 基础设施

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 具备 Rust 开发能力、希望在不依赖 Python 环境的情况下统一训练与推理流程的开发者和 AI 工程师
• 需要在设备上进行模型个性化训练或联邦学习的研究人员

核心能力

• 通过单一 API 执行多平台张量运算，用于训练的代码即为生产环境中运行的代码，无需经过导出步骤。
• 允许以可替换后端的方式构建 burn，并通过组合后端来扩展自动微分和自动内核融合等功能。
• 以透明方式为基础后端添加自动微分支持，使模型可以调用 backward 操作。
• 通过 JIT 编译张量运算流来执行自动内核融合，以提升后端速度。
• 提供终端界面仪表盘，用于实时可视化训练指标，无需连接外部应用程序。

限制与风险

• 当前 ONNX 支持仅涵盖有限的算子集合。
• 项目处于活跃开发阶段，后续版本会出现破坏性变更。
• 虽然破坏性变更带来的问题可能较容易修复，但项目在此阶段不提供稳定性保证。

如何开始

• 安装 Rust，将 burn crate 添加到 Cargo.toml，定义神经网络模块，然后使用 Learner 运行训练；该过程需要具备 Rust 知识。

核验依据

• GitHub 项目简介: Burn is a next generation tensor library and Deep Learning Framework that doesn't compromise on flexibility, efficiency and portability.
• README: Burn unifies the two. By executing multi-platform tensor operations via a single, unified API, the exact code used for training is the exact code that runs in production.
• README: Burn is both a tensor library and a deep learning framework, optimized for
• README: Burn is currently in active development, and there will be breaking changes. While any resulting issues are likely to be easy to fix, there are no guarantees at this stage.
• README: most code is generic over the Backend trait, which allows us to build Burn with swappable backends.

内容核验时间：