SomeB1oody/RustyML

解決的問題

RustyML 是一個純 Rust 實作的函式庫，提供完整的機器學習與深度學習工作流程。它消除了對 C 或 C++ 依賴（FFI）的需求，為在 Rust 中實作 ML 模型提供了一種記憶體安全、可移植且高效率的替代方案。

如何運作

該函式庫採用模組化功能旗標設計，允許使用者僅包含所需的元件。它利用 ndarray crate 進行張量運算，並使用 Rayon 實現重型內核的多執行緒平行化。支援兩種類型的神經網路架構：用於線性堆疊層的 Sequential 模型，以及用於複雜架構（如殘差連接或多輸入/輸出網路）的 Graph 模型。

適用對象

希望使用純 Rust 生態系統建構與部署機器學習模型的開發者，避免連結外部 C/C++ 庫的複雜性，同時維持記憶體安全與平行處理能力。

主要特色

• 純 Rust 實作：無 FFI 或外部 C/C++ 依賴，提升可移植性與記憶體安全性。
• 廣泛的演算法涵蓋：包含傳統的監督/非監督學習、異常偵測，以及完整的神經網路框架。
• 彈性的神經網路架構：支援順序模型與圖形模型（允許實作殘差模組與共享塔結構）。
• 決定性結果：提供全域與元件級種子管理，確保實驗可重現。
• 模型持久化：使用 Serde 與 postcard 將訓練完成的模型儲存與載入為緊湊的二進位檔案。
• 與 Scikit-learn 相容的評估指標：包含回歸、分類與群聚任務的完整評估指標套件。