LaurentMazare/tch-rs

¿Qué es?

Funciones clave

• 01Wrappers ligeros sobre la API de C++ de libtorch, con un tipo para tensores y operaciones habituales con ellos.
• 02Diferenciación automática con optimizadores como SGD y Adam mediante VarStore.
• 03Carga de modelos TorchScript JIT e importación de pesos de PyTorch en formato safetensors.
• 04Utilidades de visión que incluyen la carga de MNIST, el preprocesamiento de ImageNet y modelos ResNet y VGG preentrenados.
• 05Opciones de compilación para usar libtorch del sistema, instalarlo manualmente, usar PyTorch para Python o descargarlo automáticamente.

Casos de uso

• Escribir o entrenar modelos de deep learning en Rust y aprovechar los kernels de PyTorch.
• Ejecutar inferencias desde servicios Rust con modelos de visión preentrenados o modelos TorchScript.
• Migrar código de modelos de PyTorch a Rust manteniendo el mismo backend de libtorch.
• Crear bibliotecas de machine learning de nivel superior en Rust sobre libtorch.

Inicio rápido

1. 1

   Instala libtorch v2.13.0 (en todo el sistema o descárgalo del sitio web de PyTorch).

2. 2

   Indica el directorio de libtorch para la compilación mediante la variable LIBTORCH.

   export LIBTORCH=/path/to/libtorch
3. 3

   Ejecuta un ejemplo para comprobar la configuración.

   cargo run --example basics

Antes de usarlo

• !Requiere instalar libtorch v2.13.0 por separado, lo que añade trabajo de configuración.
• !Los usuarios de Windows deben usar la cadena de herramientas MSVC, ya que MinGW tiene problemas de compatibilidad con PyTorch.
• !El enlace estático requiere compilar libtorch manualmente desde el código fuente.

Temas

Preguntas frecuentes

¿Qué es tch-rs?

Bindings de Rust para la API de C++ de PyTorch (libtorch), que permiten crear, entrenar y ejecutar modelos de deep learning desde Rust. tch-rs ofrece el crate `tch`, un conjunto de wrappers ligeros sobre la API de C++ de PyTorch (libtorch). Mantiene una interfaz muy similar a la original de C++, para que los desarrolladores puedan usar operaciones con tensores, diferenciación automática y módulos de redes neuronales desde Rust. Se pueden crear APIs más idiomáticas de Rust sobre esta base.

¿tch-rs es gratuito? ¿Qué licencia tiene?

tch-rs es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.

¿tch-rs sigue mantenido?

Actualizado en los últimos 6 meses. El último commit de tch-rs fue el 23 ago 2026.

¿Para qué puedo usar tch-rs?

Escribir o entrenar modelos de deep learning en Rust y aprovechar los kernels de PyTorch. Ejecutar inferencias desde servicios Rust con modelos de visión preentrenados o modelos TorchScript. Migrar código de modelos de PyTorch a Rust manteniendo el mismo backend de libtorch. Crear bibliotecas de machine learning de nivel superior en Rust sobre libtorch.

¿Cómo se instala tch-rs?

Instala libtorch v2.13.0 (en todo el sistema o descárgalo del sitio web de PyTorch). Indica el directorio de libtorch para la compilación mediante la variable LIBTORCH.: export LIBTORCH=/path/to/libtorch Ejecuta un ejemplo para comprobar la configuración.: cargo run --example basics

¿Dónde consigo tch-rs?

El código fuente y las instrucciones de instalación están en GitHub: https://github.com/LaurentMazare/tch-rs