Rust机器学习框架-HuggingFace Candle

Candle 是 Rust 的极简 ML 框架，重点关注性能（包括 GPU 支持）和易用性。尝试我们的在线演示： whisper、LLaMA2、T5、yolo、Segment Anything。

模块

Candle项目包括一些crates,如下：

• candle-book: candle相关的文档
• candle-core: 核心功能库，核心操作，设备，Tensor结构定义等。
• candle-nn: 神经网络，构建真实模型的工具
• candle-examples: 在实际环境中使用库的示例
• candle-datasets: 数据集和数据加载
• candle-transformers: Transformer相关实现工具
• candle-flash-attn: Flash Attention v2实现
• candle-kernels: CUDA加速实现
• candle-pyo3: Rust提供的Python接口
• candle-wasm-examples: Rust WASM示例

其它有用的库：

• candle-lora: 提供了符合官方peft实现的LoRA实现

特点

• 语法简单(看起来像PyTorch)
  • 支持模型训练
  • 支持用于自定义操作运算
• 后端
  • 优化的CPU后端，具有针对x86的可选MKL支持和针对Mac的Accelerate支持
  • CUDA后端可以再GPU上高效运行，通过NCCL运行多GPU分配
  • WASM支持，在浏览器中运行模型
• 包含的模型
  • 语言模型
    • LLaMA v1 and v2
    • FaIcon
    • StarCoder
    • Phi v1.5
    • T5
    • Bert
  • Whisper(多语言支持)
  • Stable Diffusion v1.5, v2.1, XL v1.0
  • Wurstchen v2
  • 计算机视觉
    • DINOv2
    • EfficientNet
    • yolo-v3
    • yolo-v8
    • Segmeng-Anything(SAM)
• 文件格式
  • 加载模型支持的格式如下:
    • safetensors
    • npz
    • ggml
    • PyTorch files
• 无服务部署
  • 小型且快速的部署
• 使用llama.cpp量化类型的量化支持

基本用法介绍

1. 创建张量
   Copy

   Tensor::new(&[[1f32, 2.], [3., 4.]], &Device::Cpu)?
   

   Copy

   Tensor::zeros((2, 2), DType::F32, &Device::Cpu)?
   

2. 张量索引
   Copy

   tensor.i((.., ..4))?
   

3. 张量重塑
   Copy

   tensor.reshape((2, 2))?
   

4. 张量矩阵乘法
   Copy

   a.matmul(&b)?
   

5. 张量数据移动到特定设备
   Copy

   tensor.to_device(&Device::new_cuda(0)?)?
   

6. 更改张量数据类型
   Copy

   tensor.to_dtype(&Device::F16)?
   

7. 张量算术运算
   Copy

   &a + &b
   

8. 保存模型
   Copy

   candle::safetensors::save(&HashMap::from([("A", A)]), "model.safetensors")?
   

9. 加载模型
   Copy

   candle::safetensors::load("model.safetensors", &device)