ankane/torch.rb

Torch.rb – Ruby 的深度學習

這是什麼

一個 Ruby gem，包裝 Facebook 的 LibTorch（PyTorch 的 C++ 核心），讓你能在 Ruby 中撰寫並執行類似 PyTorch 的深度學習程式碼。
緊密對應 PyTorch 的 Python API，並加入 Ruby 風格的調整（例如，add! 用於就地運算，tensor? 用於布林檢查，以及使用 Numo 陣列而非 NumPy）。

主要元件

張量運算 – 建立（Torch.rand、Torch.zeros 等）、算術運算、索引、與 Numo::NArray 之間的轉換。
自動微分（Autograd） – 使用 requires_grad、backward 和 .grad 存取梯度，實現自動微分。
神經網路模組 – 透過繼承 Torch::NN::Module 定義模型，使用 Conv2d、Linear 等層，以及 Torch::NN::F 下的功能性輔助函數。
優化器 – 例如 Torch::Optim::SGD，使用典型的 zero_grad、step 流程。
儲存/載入 – 使用 Torch.save / Torch.load 儲存與載入模型狀態字典（與 PyTorch 檔案相容，但需注意小規模的 Python 端轉換）。
裝置支援 – 支援 CPU、CUDA GPU（Torch::CUDA.available?、net.cuda）、Apple Silicon Metal（Torch::Backends::MPS）。

安裝

下載與你的平台匹配的 LibTorch 建置版本（僅 CPU 或含 CUDA）。例如 macOS arm64 的範例：

curl -L https://download.pytorch.org/libtorch/cpu/libtorch-macos-arm64-2.14.0.zip > libtorch.zip
unzip -q libtorch.zip

告訴 gem LibTorch 的位置，並加入你的 Gemfile：

bundle config set build.torch-rb --with-torch-dir=/path/to/libtorch

gem "torch-rb"

執行 bundle install。編譯時間約需 5–10 分鐘；不支援 Windows。

快速上手

參考 tutorials/blitz/README.md 中的 60 分鐘快速入門教學。
其他教學涵蓋遷移學習、序列模型與詞嵌入。
範例專案包括 MNIST 圖像分類、MovieLens 協同過濾與 GANs。

典型工作流程（Ruby 程式碼）

# 定義一個簡單的 CNN
class MyNet < Torch::NN::Module
  def initialize
    super()
    @conv1 = Torch::NN::Conv2d.new(1, 6, 3)
    @conv2 = Torch::NN::Conv2d.new(6, 16, 3)
    @fc1   = Torch::NN::Linear.new(16*6*6, 120)
    @fc2   = Torch::NN::Linear.new(120, 84)
    @fc3   = Torch::NN::Linear.new(84, 10)
  end

  def forward(x)
    x = Torch::NN::F.max_pool2d(Torch::NN::F.relu(@conv1.call(x)), [2,2])
    x = Torch::NN::F.max_pool2d(Torch::NN::F.relu(@conv2.call(x)), 2)
    x = Torch.flatten(x, 1)
    x = Torch::NN::F.relu(@fc1.call(x))
    x = Torch::NN::F.relu(@fc2.call(x))
    @fc3.call(x)
  end
end

net = MyNet.new
input = Torch.randn(1,1,32,32)
output = net.call(input)

criterion = Torch::NN::MSELoss.new
target = Torch.randn(10).view(1,-1)
loss = criterion.call(output, target)

optimizer = Torch::Optim::SGD.new(net.parameters, lr: 0.01)
optimizer.zero_grad
loss.backward
optimizer.step

裝置處理

if Torch::CUDA.available?
  net.cuda               # 將模型移至 GPU
  input = input.cuda
end

或在 Apple Silicon 上：

if Torch::Backends::MPS.available?
  device = Torch.device('mps')
  net.to(device)
end

生態系

專門領域的配套 gem：torchvision-ruby、torchtext-ruby、torchaudio-ruby、torchcodec-ruby、torchrec-ruby、torchdata-ruby。
高階工具：transformers-ruby（轉換器模型）與 safetensors-ruby（高效張量儲存）。

重要性

讓 Ruby 開發者能在不切換語言的情況下，實驗現代深度學習模型。
借由與 PyTorch 相同的高效 C++ 後端，讓模型在 CPU 或 GPU 上以原生速度執行。
透過熟悉 API，讓 Ruby 社群能與快速演進的 PyTorch 生態系保持同步。

資源

建置狀態徽章顯示在多個平台上的 CI 測試。
提供詳細變更記錄、貢獻指南，以及 GPU 測試腳本（AWS Deep Learning AMI）。

Torch.rb 將 PyTorch 的強大功能帶入 Ruby，提供一個功能完整、支援 GPU 加速的深度學習堆疊，讓 Ruby 程式設計師感覺如魚得水。

ankane/torch.rb

Torch.rb – Ruby 的深度學習

相關