大家好，我是漁夫。

今天聊聊，Rust 機器學習必須了解的庫。

最近，很多伙伴在機器學習領域，將自己主力語言 Python 開始瞄準到 Rust。頭疼的是，Rust 還是太年輕了，很多庫要么還沒成熟，要么還在開發(fā)中，沒有 Python 那么豐富。

不過，Rust 社區(qū)非常活躍并且增長迅猛，很多大佬也在努力嘗試 Rust 來開發(fā)很多機器學習庫，但目前為止，很多大廠積極擁抱 Rust 來重構底層基礎設施，這是值得關注。下面是，Rust 常見機器學習庫。

ndarray

ndarray 是 NumPy 庫中的一個核心數據結構，它是一個用于表示多維數組的對象。ndarray 在存儲和操作大型多維數組時非常高效，廣泛應用于科學計算、數據分析、機器學習等領域。

在 Rust 開發(fā)中，ndarray 庫可以作為替代  NumPy 庫。

Github 地址：https://github.com/rust-ndarray/ndarray

Polars

可以作為替代 Python 中 pandas 庫，Polars 是個開源的數據處理庫，提供快速和靈活的數據處理能力，尤其處理大型數據集時。Polars 的設計目標是提供類似于 Pandas 的 API，但利用 Rust 的性能優(yōu)勢來提高數據處理的速度。

Github 地址：https://github.com/pola-rs/polars

tch-rs

tch-rs 是一個使得 Rust 能夠與 PyTorch 框架結合的工具，擴展了 Rust 在機器學習和深度學習領域的應用能力。廣泛用于計算機視覺和自然語言處理等研究和應用領域，tch-rs 允許 Rust 開發(fā)者利用 PyTorch 的功能，進行深度學習模型的開發(fā)和部署。

Github 地址：https://github.com/LaurentMazare/tch-rs

Burn

Burn 是一個新的綜合動態(tài)深度學習框架，使用 Rust 構建，以極高的靈活性、計算效率和可移植性作為其主要目標。這個庫之前也推薦過，非常值得去關注。

Github 地址：https://github.com/tracel-ai/burn

Candle

Candle 是由 Hugging Face 開發(fā)的 Rust 語言機器學習框架。主要是為 Rust 開發(fā)者在機器學習領域提供了新的工具，使得構建和部署機器學習應用變得更加容易。

• 極簡設計：提供簡潔的 API，易于使用。
• 高性能：利用 Rust 語言的性能優(yōu)勢。
• 易用性：API 設計借鑒了 PyTorch，降低學習成本。
• 靈活性：支持多種后端，方便在不同環(huán)境中部署。
• 安全性：Rust 語言保證了內存安全和線程安全。

GIthub 地址：https://github.com/huggingface/candle

Linfa

linfa 提供一個全面的工具包來使用 Rust 構建機器學習應用程序。類似 Python 的scikit-learn 庫，專注于日常 ML 任務的常見預處理任務和經典 ML 算法。

GIthub 地址：https://github.com/rust-ml/linfa

plotters

Plotters 是一個繪圖庫，設計用于用純 Rust 渲染圖形、繪圖和圖表，支持各種類型的后端，包括位圖、矢量圖、活塞窗口、GTK/Cairo 和 WebAssembly。類似 Python 的 matplotlib 庫。

Github 地址：https://github.com/plotters-rs/plotters

petgraph

petgraph 是一個圖數據結構庫，圖是節(jié)點以及節(jié)點之間的邊的集合。petgraph 提供了多種圖形類型、這些圖形的算法以及以格式輸出圖形 graphviz 的功能。

Github 地址：https://github.com/petgraph/petgraph

tensorflow-rust

TensorFlow 的 Rust 語言綁定，允許 Rust 開發(fā)者使用 TensorFlow 的機器學習框架。

Github 地址：https://github.com/tensorflow/rust