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:

  1. Вулкано


vulkano-rs/vulkano
См. также vulkano.rs. Vulkano — это оболочка Rust для графического API Vulkan. Он следует философии Rust, которая…github.com



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?

  1. 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.

  1. 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.