Всем людям вокруг, которые чувствовали, с какой стати кого-то волновать красный краб, Раст, когда у нас уже есть змея, Питон.
Со змеей Вот скользкий склон.
В глубине души мы, все программисты на Python, знаем, что язык подведет нас или подведет в какой-то момент. Что ж, это было приятное путешествие.
Позвольте мне визуализировать вещи в Rust.
Библиотеки GPU в Rust:
- Вулкано
2. EMU :
Emu — это современная библиотека для низкоуровневого кроссплатформенного GPGPU, обеспечивающая воспроизводимые вычисления на устройстве, ориентированные на конфиденциальность.
3. ArrayFire: универсальная библиотека GPU.
так что теперь мы знаем, что можем использовать GPU для выполнения тяжелой обработки. Все научные расчеты можно выполнить с помощью Rust.
Серверный API в Rust:
Улучшенный код бесполезен, если он находится только внутри IDE. Если нам нужна какая-то функциональность API для использования обработки в реальных сценариях, что-то вроде FAST API/flask?
- Токио
- Быстро: абстракции Tokio с нулевой стоимостью обеспечивают производительность «голого железа».
- Надежность: Tokio использует собственность Rust, систему типов и модель параллелизма, чтобы уменьшить количество ошибок и обеспечить безопасность потоков.
- Масштабируемость: Tokio имеет минимальную площадь и естественным образом справляется с противодавлением и отменой.
2. Гипер
- HTTP/1 и HTTP/2
- Асинхронный дизайн
- Лидер по производительности
- Проверено и правильно
- Широкое производственное использование
- Клиентские и серверные API
3. Ракета
4. Актикс-веб
5. тоник: если кого-то интересует gRPC
Кто-то может возразить, что в список могут входить веб-разработка, а что касается проектов ИИ и машинного обучения, так как люди больше заинтересованы в этом.
- Как насчет чего-то вроде Jupyter в Rust?
да ГУГЛ.
2. Увеличить вывод глубокого обучения в 10 раз?
tract
успешно проходит около 85% тестов серверной части ONNX. Все «реальные» интеграционные тесты в наборе тестов Onnx проходят: bvlc_alexnet, Dendennet121, Inception_v1, Inception_v2, Resnet50, Shufflenet, Сжатие, vgg19, zfnet512.
PyTorch, Keras, Tensorflow, MXNET, вы называете это брат.
3. Обучение собственных нейронных сетей?
Возможно, у нас сейчас нет такого функционала. Но кроме этого, мы получили поддержку ржавчины. Язык растет. см. полный список возможностей Rust:
Удачного обучения, ребята.