SomeB1oody/RustyML

解决的问题

RustyML 是一个完全用 Rust 编写的库，提供完整的机器学习和深度学习工作流。它消除了对 C 或 C++ 依赖（FFI）的需求，为在 Rust 中实现 ML 模型提供了一种内存安全、可移植且高性能的替代方案。

如何工作

该库采用模块化功能标志设计，允许用户仅包含所需组件。它利用 ndarray crate 进行张量运算，并使用 Rayon 实现重型内核的多线程并行化。支持两种类型的神经网络架构：用于线性堆叠层的 Sequential 模型，以及用于复杂架构（如残差连接或多输入/输出网络）的 Graph 模型。

适用人群

希望使用纯 Rust 生态系统构建和部署机器学习模型的开发者，避免链接外部 C/C++ 库的复杂性，同时保持内存安全和并发性。

主要亮点

• 纯 Rust 实现：无 FFI 或外部 C/C++ 依赖，便于移植且内存安全。
• 广泛的算法覆盖：包含经典的监督/无监督学习、异常检测以及完整的神经网络框架。
• 灵活的神经网络架构：支持顺序模型和图结构模型（允许实现残差块和共享塔结构）。
• 确定性结果：提供全局和组件级种子管理，确保实验可复现。
• 模型持久化：使用 Serde 和 postcard 将训练好的模型保存和加载为紧凑的二进制文件。
• 与 Scikit-learn 兼容的评估指标：包含回归、分类和聚类任务的全面评估指标集。