使用Rust构建自己的机器学习模型指南
人工智能（AI）公司Hugging Face最近推出了Candle，这是一款专为Rust编程语言设计的新型极简机器学习（ML）框架。这个创新型框架已经引起了广泛关注，在GitHub上积累了7.8千个星星和283个分支。
Hugging Face致力于扩大其生态系统，让开发者能够扩展其30万个开源机器学习模型的影响力。根据初创公司的产品和增长负责人Jeff Boudier的说法，“大局是我们正在为开发者开发我们的生态系统，并且看到了许多积极的反馈。”
此前，Hugging Face在一轮融资中筹集了2.35亿美元，得到了谷歌、亚马逊、Nvidia、Salesforce、AMD、英特尔、IBM和高通等行业巨头的支持。
Candle：Rust机器学习框架
大多数ML框架通常使用Python编写，并依赖于像PyTorch这样的库进行支持。正如Candle的常见问题解答中所指出的，这些框架通常很大，导致在集群上创建实例较慢。
Candle通过支持无服务器推理（serverless inference）方法来与众不同，无服务器推理是一种在不管理基础架构的情况下运行ML模型的方法。它通过启用轻量级二进制文件的部署来实现这一目标。二进制文件是包含应用程序运行所需的所有资源的可执行文件，能在特定环境中运行。
此外，Candle还允许开发者消除产品工作负载中的Python，解决了关于Python性能开销和全局解释器锁（GIL）的担忧。GIL虽然有益，但会妨碍CPython实现完全的多核性能。
开始使用Candle
对于那些有兴趣在基于Rust的机器学习项目中使用Candle的人来说，这里有一个使用开源数据集构建线性回归模型的示例：
extern crate…