go-torch
go-torch 是一个用纯 Go 从零构建的开源深度学习框架。它提供了一个模块化、类似 PyTorch 的 API，用于构建和训练神经网络，配备了稳定的自动微分引擎。
邮件 - abineshmathivanan31@gmail.com
博客 - https://abinesh-mathivanan.vercel.app/en/posts/post-5/
功能
- 动态计算图：张量跟踪其历史，允许在反向传播时自动计算梯度。
- 可扩展的模块系统（nn.Layer，nn.Sequential）：使用灵活的类似 Keras 的顺序 API 构建复杂的模型架构。
- 层和函数库：包括 Conv2D、Linear、MaxPooling2D、Flatten、ReLU、CrossEntropyLoss 和 SGD
- 实时 TUI 仪表盘：批次损失和周期验证准确率的实时图表，内存使用（堆/总分配）、GC 周期和活跃 goroutine 的监控，以及类似 keras 的摘要。
- 优化性能：使用 BLAS、go-routines 和拓扑自动微分 + 梯度累积
TUI 仪表盘
待办事项
- [ ] 添加对 RNN、LSTM、Transformers 的支持
- [ ] 实现带有 Ga-lore 和 LORA 技术的 Adam，RMSProp 等...
- [ ] model.load() 和 model.save() 无需 gob
- [ ] 支持构建 Transformers
先决条件
- Go 1.18 或更高版本。
- 推荐安装系统级 BLAS 库以获得最佳性能，但非必需。
- 部分待办事项写在文件内部。使用 “better comments” 扩展以获得最佳体验。
使用方法
克隆仓库
git clone https://github.com/abinesh-mathivanan/go-torch.git
cd go-torch安装依赖项
`` bash
go mod tidy
执行
运行 mnist 训练文件以测试功能。
bash
go run ./cnn_benchmark/go_bench.go
``基准测试
| 基准详情 | 128x128 | 512x512 | 1024x1024 | |:------------------------------------------|:-------------|:------------|:-------------| | 矩阵乘法 | 510.33 µs | 13.54 ms | 130.50 ms | | 元素逐一相加 | 71.72 µs | 1.29 ms | 4.13 ms | | 元素逐一相乘 | 47.83 µs | 1.63 ms | 3.91 ms | | ReLU 激活 | 121.18 µs | 1.75 ms | 6.45 ms | | 线性层前向传播 (B32,I128,O10) | 71.93 µs | | | | 交叉熵损失 (B32,C10) | 11.16 µs | | | | 完整前后传播 (网络:128-256-10, B32) | 4.02 ms | | |
--- Tranlated By Open Ai Tx | Last indexed: 2025-12-26 ---