机器学习与Rust：从基础到生产部署

《机器学习与Rust》一书是一本实用指南，面向希望掌握使用Rust语言构建高性能机器学习系统的开发者。与传统的Python库不同，Rust提供了安全的内存管理、零开销抽象以及生产级系统所需的完美性能。

本书内容

作者循序渐进地引导读者从机器学习的基础知识到部署完整模型。您将学习如何：

• 使用纯Rust实现线性回归、逻辑回归和决策树
• 使用流行的crate：用于数值计算的ndarray、用于经典算法的smartcore、以及基于PyTorch的神经网络库tch-rs
• 从头创建并训练神经网络，包括卷积和循环架构
• 优化性能：通过Rayon进行并行计算、SIMD指令、通过Vulkan和CUDA使用GPU
• 使用Actix-web和Rocket将模型集成到Web服务中
• 在Docker容器和边缘设备上部署ML系统

目标读者

• 希望进入数据科学领域的Rust开发者
• 厌倦了Python缓慢速度、正在寻找生产环境替代方案的ML工程师
• 需要在其项目中添加机器学习的系统程序员
• 对高性能计算感兴趣的学生和研究人员

您将学到什么

阅读本书后，您将能够自信地：

• 在Rust中设计和实现ML管道
• 处理真实数据集：加载、清洗、归一化
• 为神经网络创建自定义层和损失函数
• 对代码进行性能分析和优化，以达到最大性能
• 将训练好的模型集成到生产环境中

为什么选择Rust进行ML？

Rust不仅仅是“又一种语言”。它是一个改变机器学习游戏规则的工具。编译时的内存安全性消除了整类错误，而零成本抽象使您能够编写运行速度堪比C语言的代码。本书将展示如何将这些优势应用于实践。

每一章都包含实用示例、可立即运行的项目以及供独立完成的练习。所有示例的源代码均可在GitHub上获取。