joaopauloschuler/neural-api

是什麼

CAI Neural API 是以 Free Pascal / Lazarus 寫成的深度學習函式庫。它實作了廣泛的神經網路層（如 Transformer、Mixture‑of‑Experts、RWKV、xLSTM、脈衝神經元、歸一化流、CNN 等），可在 支援 AVX/AVX2/AVX‑512 的 CPU 或 AMD、Intel、NVIDIA 的 OpenCL 加速 GPU 上執行。整個框架編譯為單一原生可執行檔——無需 Python 解釋器、無需 CUDA 執行時、無需龐大的相依性鏈條。

你能用它做什麼

功能	工作方式（如 README 所述）
執行大型語言模型	加載 HuggingFace 的 instruct 檢查點（例如 Qwen 2.5、Qwen 3、Llama、Mistral、Phi‑3、OLMoE），透過 ChatTerminal CLI 互動，或使用 ChatServer 暴露一個 OpenAI 相容的 HTTP 伺服器。
文字轉音樂	MusicGenText 使用 T5 編碼器 + MusicGen 解碼器，將「低音質嘻哈，帶有柔和鋼琴」的提示轉換為音訊檔。
音訊處理	MusicSourceSeparation 將歌曲分離為音軌；Qwen2AudioChat 允許你與具備音訊感知能力的模型對話。
影像超解析度	SuperResolution 使用隨倉儲提供的預訓練網路對影像進行放大。
標準視覺示範	CIFAR‑10/‑100、MNIST、Fashion‑MNIST 分類，ResNet‑20、DenseNet、MobileNet 風格的可分離卷積，自編碼器，GAN 藝術，梯度上升可視化等。
訓練工具	TNNetFit 風格的類別（如 TNeuralImageFit）提供簡單 API，用於擬合網路、學習率控制、慣性以及模型檢查點儲存。
資料處理	TNNetVolume 是一種靈活的 1D/2D/3D 數組類型，支援 SIMD 操作，並可與 OpenCL 缓衝區之間傳輸。

誰會使用它

• 希望在原生 Pascal 應用中整合深度學習，但不想引入 Python、PyTorch 或 CUDA 的 系統程式設計師。
• 偏好單一二進位檔的 嵌入式或低相依性部署（例如邊緣裝置、無 Python 執行時的 Windows/Linux 伺服器）。
• 尋找可與現有程式碼庫無縫整合的即用型神經網路堆疊的 Pascal 愛好者 / Lazarus 開發者。
• 希望在可編譯為高度優化機器碼的語言中，實驗較少見架構（如 RWKV、脈衝神經元、Mixture‑of‑Experts）的研究人員。

如何開始

1. 安裝 Lazarus（IDE），若需 GPU 加速，請安裝相應的 OpenCL 驅動程式。
2. 克隆倉儲，並將 neural/ 資料夾加入 Lazarus 的單元搜尋路徑中。
3. 建構一個範例程式（例如 examples/ChatTerminal/ChatTerminal.lpr）。
4. 指定一個 HuggingFace 檢查點（README 列出支援的模型），然後執行。

限制 / 注意事項

• 此函式庫為 純 Pascal；在 master 分支上不支援 Delphi（Delphi 支援僅限於舊版 v2.0.0 發布版）。
• GPU 支援依賴於 OpenCL，而非 CUDA，因此 NVIDIA GPU 需要 OpenCL 驅動層。
• 性能關鍵程式碼已針對 AVX/AVX2/AVX‑512 手動優化；舊型 CPU 可能執行較慢。
• 項目提供許多教育性範例與預訓練模型，但生產級模型資料庫整合由使用者自行完成。

---

• 上述所有資訊均直接取自倉儲的 README；未推斷任何額外功能。*