SomeB1oody/RustyML

해결하는 문제

RustyML은 완전히 Rust로 구현된 라이브러리로, 기계학습 및 딥러닝의 완전한 워크플로우를 제공합니다. C 또는 C++ 종속성(FFI)이 필요 없으며, 메모리 안전하고 이식 가능하며 고성능인 Rust 기반의 ML 모델 구현 대안을 제공합니다.

작동 방식

라이브러리는 모듈화된 기능 플래그로 구성되어 있으며, 사용자가 필요한 컴포넌트만 포함할 수 있습니다. 텐서 연산에는 ndarray 크레이트를, 무거운 커널의 다중 스레드 병렬화에는 Rayon을 활용합니다. 두 가지 유형의 신경망 아키텍처를 지원합니다: 선형 레이어 스택을 위한 Sequential 모델과 잔차 연결 또는 다중 입력/출력 네트워크와 같은 복잡한 아키텍처를 위한 Graph 모델입니다.

대상 사용자

외부 C/C++ 라이브러리에 링크하는 복잡성을 피하면서도 메모리 안전성과 동시성을 유지하며, 순수 Rust 생태계를 사용해 기계학습 모델을 구축하고 배포하고자 하는 개발자들입니다.

주요 특징

• 순수 Rust 구현: FFI나 외부 C/C++ 종속성이 없어 이식성과 메모리 안전성이 향상됩니다.
• 광범위한 알고리즘 커버리지: 전통적인 지도/비지도 학습, 이상 탐지, 완전한 신경망 프레임워크를 포함합니다.
• 유연한 NN 아키텍처: 순차적 모델과 그래프 기반 모델 모두 지원 (잔차 블록 및 공유 타워 구현 가능).
• 결정론적 결과: 재현 가능한 실험을 위해 전역 및 컴포넌트별 시드 관리 기능 제공.
• 모델 지속성: Serde와 postcard를 사용해 학습된 모델을 컴팩트한 바이너리 파일로 저장 및 로드 가능.
• Scikit-learn 호환 평가 지표: 회귀, 분류, 클러스터링용 포괄적인 평가 지표 세트 포함.