Repolode
Предложить
tracel-ai

tracel-ai/burn

Библиотека тензоров и фреймворк для глубокого обучения на Rust с обучением и инференсом на CUDA, ROCm, Metal, Vulkan, WebGPU и CPU.

Open source альтернатива:PyTorch

Открыть на GitHubСайт
Звёзды
16,144
Форки
1,106
Открытые issues
173
Последний коммит
14 часов назад

Что это?

Burn — это библиотека тензоров и фреймворк для глубокого обучения, написанные на Rust. Проект позволяет использовать одну кодовую базу и для обучения, и для развёртывания: модель, обученная через его API, запускается в продакшене тем же кодом, без экспорта в отдельную среду выполнения. Burn сохраняет динамический стиль программирования, знакомый пользователям PyTorch, но при этом компилирует операции с тензорами с помощью JIT и автоматически объединяет ядра.

Фреймворк поддерживает несколько взаимозаменяемых бэкендов, поэтому код модели менять не нужно. Среди них — CUDA, ROCm, Metal, Vulkan и WebGPU через вычислительный слой CubeCL, а также чистый бэкенд на Rust для CPU (Flex), который работает и на целевых платформах Wasm и no_std. Autodiff, объединение ядер и удалённое выполнение реализованы как декораторы бэкендов. Веса моделей можно импортировать из форматов ONNX, PyTorch и Safetensors, а метрики обучения отображаются в терминальной панели.

Проект активно развивается, и между версиями возможны несовместимые изменения. В его экосистему входят крейты для компьютерного зрения, обучения с подкреплением, работы с наборами данных и бенчмаркинга.

Ключевые возможности

  • 01Единый API для тензоров и модулей, работающий с бэкендами CUDA, ROCm, Metal, Vulkan, WebGPU и CPU.
  • 02Автоматическое объединение ядер и autodiff реализованы как декораторы бэкендов.
  • 03Импортирует модели ONNX в виде нативного кода Rust и загружает веса PyTorch и Safetensors.
  • 04Терминальная панель для мониторинга метрик обучения и контрольных точек.
  • 05Бэкенд Flex для CPU с поддержкой no_std и WebAssembly.
  • 06Режим удалённого выполнения операций с тензорами на сервере (бета-версия).

Сценарии использования

  • Обучение модели на Rust и развёртывание того же кода на серверах, в браузерах или на встраиваемых устройствах.
  • Запуск моделей ONNX или моделей, обученных с помощью PyTorch, в приложении на Rust.
  • Выполнение инференса в браузере с помощью WebGPU или WebAssembly.
  • Эксперименты с глубоким обучением на Rust и быстрой инкрементальной компиляцией.

Что важно знать

  • Бэкенд LibTorch был объявлен устаревшим в версии 0.22.0 и удалён из main, поэтому теперь ускорение на GPU зависит от бэкендов CubeCL.
  • Каждый бэкенд GPU работает только с определёнными сочетаниями производителя и API, указанными в таблице совместимости README.

Темы

#deep-learning#rust#tensor#machine-learning#gpu#webgpu#onnx#neural-network#autodiff#cross-platform

Частые вопросы

Что такое burn?
Библиотека тензоров и фреймворк для глубокого обучения на Rust с обучением и инференсом на CUDA, ROCm, Metal, Vulkan, WebGPU и CPU. Burn — это библиотека тензоров и фреймворк для глубокого обучения, написанные на Rust. Проект позволяет использовать одну кодовую базу и для обучения, и для развёртывания: модель, обученная через его API, запускается в продакшене тем же кодом, без экспорта в отдельную среду выполнения. Burn сохраняет динамический стиль программирования, знакомый пользователям PyTorch, но при этом компилирует операции с тензорами с помощью JIT и автоматически объединяет ядра.
burn можно использовать бесплатно? Какая у него лицензия?
burn распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
burn всё ещё поддерживается?
Активно поддерживается. Последний коммит в burn — 21 окт. 2026 г..
Для чего можно использовать burn?
Обучение модели на Rust и развёртывание того же кода на серверах, в браузерах или на встраиваемых устройствах. Запуск моделей ONNX или моделей, обученных с помощью PyTorch, в приложении на Rust. Выполнение инференса в браузере с помощью WebGPU или WebAssembly. Эксперименты с глубоким обучением на Rust и быстрой инкрементальной компиляцией.
Где скачать burn?
Исходный код и инструкции по установке — на GitHub: https://github.com/tracel-ai/burn

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

apache / tvm

Открытый фреймворк для компиляции моделей машинного обучения: он позволяет настраивать конвейеры компилятора на Python и развёртывать модели на разных аппаратных платформах.

ИИ и машинное обучение#compiler#deep-learning#machine-learning
13,9 тыс.4 тыс.PythonApache-2.0Обновлён 15 часов назад