Candle Machine Learning minimalista in Rust
La macchina di apprendimento minimalista Candle in Rust
Guida alla creazione del tuo modello di apprendimento automatico con Rust
L’azienda di intelligenza artificiale (AI) Hugging Face ha recentemente introdotto Candle, un nuovo framework minimalista di apprendimento automatico (ML) progettato per il linguaggio di programmazione Rust. Questo innovativo framework ha già attirato notevole attenzione, raccogliendo 7,8 mila stelle e 283 fork su GitHub.
Hugging Face si impegna ad ampliare il proprio ecosistema per consentire agli sviluppatori di estendere la portata dei suoi 300.000 modelli di apprendimento automatico open source. Secondo Jeff Boudier, responsabile del prodotto e della crescita presso la startup, “Il quadro generale è che stiamo sviluppando il nostro ecosistema per gli sviluppatori e stiamo ottenendo molti risultati in questo senso”.
Questo avviene a seguito di una raccolta di fondi di 235 milioni di dollari che ha incluso il supporto di giganti del settore come Google, Amazon, Nvidia, Salesforce, AMD, Intel, IBM e Qualcomm.
Candle: Il framework Rust per il ML
La maggior parte dei framework di ML sono tradizionalmente scritti in Python e si basano su librerie come PyTorch per il supporto. Questi framework sono spesso di grandi dimensioni, il che porta a una lenta creazione di istanze su cluster, come indicato nelle FAQ di Candle.
- Profilare il codice Python utilizzando timeit e cProfile
- Un approccio completo per migliorare la sicurezza IoT con l’intelligenza artificiale
- Rivoluzionare la generazione di modelli 3D con MVDream
Candle si differenzia supportando l’inferenza serverless, un metodo per eseguire modelli di ML senza gestire l’infrastruttura. Ciò viene realizzato abilitando il rilascio di binari leggeri. I binari sono file eseguibili contenenti tutte le risorse necessarie per l’esecuzione di un’applicazione in un ambiente specifico.
Inoltre, Candle consente agli sviluppatori di eliminare Python dai carichi di lavoro dei prodotti, affrontando le preoccupazioni legate alle prestazioni di Python e al Global Interpreter Lock (GIL). Il GIL, sebbene utile, può impedire a CPython di raggiungere prestazioni multithreading complete.
Iniziare con Candle
Per coloro che sono interessati a utilizzare Candle per i loro progetti di apprendimento automatico basati su Rust, ecco un esempio di come creare un modello di regressione lineare utilizzando un dataset open source:
extern crate...
