tracel-ai/burn

何を解決するか

Burnは、Pythonベースのトレーニング環境からプロダクションエンジンへのモデルエクスポートという脆弱で損失の大きいプロセスに対処します。トレーニングと推論を単一のコードベースに統合し、同じコードを両方で使用可能にすることで、デバイス内でのパーソナライズやフェデレーテッドラーニングを簡素化します。

動作方法

BurnはRustで書かれたテンソルライブラリおよびディープラーニングフレームワークです。統一されたAPIを使用して、複数のプラットフォーム上でテンソル操作を実行します。パフォーマンスを維持しつつ柔軟性を損なわないように、テンソル操作のストリームをJITコンパイルし、自動的にカーネル結合（kernel fusion）を実行します。インクリメンタルコンパイルを設計しており、モデルの変更は5秒未満で再コンパイルされます。

対象ユーザー

Rustの高速性と安全性を求める研究者や開発者、Pythonのようなフィードバックループを望むチーム、および組み込みデバイス（no_std）から大規模GPUクラスタ、WebAssembly経由のWebブラウザまで、多様なハードウェアにモデルをデプロイしたいチームに最適です。

主な特徴

• マルチプラットフォームバックエンド対応: CUDA、ROCm、Metal、Vulkan、WebGPU、CPUバックエンドをサポート。
• バックエンドデコレータ: Autodiff（自動微分）やFusion（カーネル結合）などの機能を任意のベースバックエンドにデコレータで追加可能。
• モデル相互運用性: ONNXモデルをネイティブRustコードとしてインポートでき、PyTorchやSafetensorsから重みを読み込み可能。
• デプロイの柔軟性: WebAssembly経由でブラウザでの推論をサポートし、no_stdサポートによりバーメタル組み込み環境でも動作可能。
• 統合ツールキット: 実時間でのトレーニング監視用のターミナルUIダッシュボードと専用のベンチマークスイートを内蔵。