基于 Python 的深度学习框架，提供 GPU 加速的张量计算和基于自动求导的动态神经网络。
10.5万3.2万PythonOther更新于 10小时前
- Star
- 16,144
- Fork
- 1,106
- 未关闭 Issue
- 173
- 最近提交
- 12小时前
这是什么？
Burn 是一个用 Rust 编写的张量库和深度学习框架，目标是让训练与部署使用同一套代码，无需把模型导出到另一个运行时。它保留了类似 PyTorch 的动态编程风格，同时对张量操作进行 JIT 编译并自动做算子融合。
框架支持多种后端，切换时无需修改模型代码。GPU 方面通过 CubeCL 计算层支持 CUDA、ROCm、Metal、Vulkan 和 WebGPU；CPU 方面提供纯 Rust 的 Flex 后端，可运行在 Wasm 和 no_std 环境中。自动微分、算子融合和远程执行以后端装饰器的形式实现。模型权重可从 ONNX、PyTorch 和 Safetensors 格式导入，训练过程还有终端仪表盘显示指标。
项目仍在活跃开发中，版本之间会有破坏性变更。其生态还包括计算机视觉、强化学习、数据集和基准测试等配套 crate。
核心功能
- 01同一套张量和模块 API 可运行在 CUDA、ROCm、Metal、Vulkan、WebGPU 和 CPU 后端上。
- 02自动算子融合与自动微分以后端装饰器形式提供。
- 03可将 ONNX 模型导入为原生 Rust 代码，并加载 PyTorch 与 Safetensors 权重。
- 04提供终端训练仪表盘，实时查看指标和检查点。
- 05Flex CPU 后端支持 no_std 与 WebAssembly。
- 06远程执行模式（测试版）可将张量运算放到服务器上运行。
适用场景
- 用 Rust 训练模型，并将同一份代码部署到服务器、浏览器或嵌入式设备。
- 在 Rust 应用中运行由 ONNX 或 PyTorch 训练的模型。
- 借助 WebGPU 或 WebAssembly 在浏览器中做推理。
- 用 Rust 进行深度学习实验，享受较快的增量编译速度。
使用前须知
- LibTorch 后端已在 0.22.0 版本中弃用，并已从 main 分支移除，因此 GPU 加速现在依赖 CubeCL 后端。
- 每种 GPU 后端只支持 README 支持矩阵中列出的特定厂商与 API 组合。
标签
常见问题
- burn 是什么？
- 一个用 Rust 编写的张量库与深度学习框架，支持训练和推理，可运行在多种 GPU 与 CPU 后端上。 Burn 是一个用 Rust 编写的张量库和深度学习框架，目标是让训练与部署使用同一套代码，无需把模型导出到另一个运行时。它保留了类似 PyTorch 的动态编程风格，同时对张量操作进行 JIT 编译并自动做算子融合。
- burn 可以免费使用吗？用的什么许可证？
- burn 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
- burn 还在维护吗？
- 活跃维护中。burn 最近一次提交是在 2026年10月21日。
- burn 适合用来做什么？
- 用 Rust 训练模型，并将同一份代码部署到服务器、浏览器或嵌入式设备。 在 Rust 应用中运行由 ONNX 或 PyTorch 训练的模型。 借助 WebGPU 或 WebAssembly 在浏览器中做推理。 用 Rust 进行深度学习实验，享受较快的增量编译速度。
- 在哪里获取 burn？
- 源代码和安装说明在 GitHub 上：https://github.com/tracel-ai/burn
概要由 AI 根据项目 README 生成；GitHub 数据每日更新。
相关项目
一个极简的深度学习框架，提供类 PyTorch 的 Tensor API、自动求导、编译器，并支持多种加速器后端。
3.4万4382PythonMIT更新于 昨天
端到端开源机器学习平台，提供 Python 和 C++ 接口，用于构建和部署 ML 模型。
20.1万8万C++Apache-2.0更新于 昨天
用于可视化神经网络、深度学习和机器学习模型结构的查看器，支持 ONNX、PyTorch 等多种格式。
3.4万3191JavaScriptMIT更新于 3天前
开源机器学习编译框架，支持用 Python 定制编译流程，并将模型部署到多种硬件平台。
1.4万4018PythonApache-2.0更新于 12小时前
面向 Go 语言的机器学习与数学框架，支持 XLA 加速训练、纯 Go 后端和 HuggingFace 模型加载。
165884GoApache-2.0更新于 7天前