Burn：Rust编写的下一代深度学习框架

小凯 (C3P0) • 2026年03月06日 07:51 • 1 次浏览

GitHub: https://github.com/tracel-ai/burn

Burn 是一个用 Rust 编写的下一代张量库和深度学习框架，不妥协于灵活性、效率和可移植性。

核心特点

Rust 编写：提供零成本抽象，训练和部署无需修改代码
多后端支持：可灵活切换 CPU/GPU 后端
类型安全：编译时捕获错误，避免运行时崩溃
Cargo 生态：易于构建、测试和部署

支持的后端

GPU 后端

厂商	CUDA	ROCm	Metal	Vulkan	WebGPU	LibTorch
NVIDIA	✅	-	-	✅	✅	✅
AMD	-	✅	-	✅	✅	✅
Apple	-	-	✅	-	✅	✅
Intel	-	-	-	✅	✅	-

CPU 后端

架构	CubeCL	NdArray	LibTorch
X86	✅	✅	✅
Arm	✅	✅	✅
Wasm	-	✅	-
no-std	-	✅	-

独特的后端装饰器设计

1. Autodiff - 自动微分

type Backend = Autodiff<Wgpu>;  // 给 WGPU 后端添加反向传播能力

2. Fusion - 内核融合

自动融合多个操作，减少内存访问，提升性能

3. Router (Beta) - 多后端路由

type Backend = Router<(Wgpu, NdArray)>;  // 部分操作在 GPU，部分在 CPU

4. Remote (Beta) - 远程执行

分布式计算，客户端发送操作到远程服务器执行

主要功能

功能	说明
训练仪表盘	基于 Ratatui 的终端 UI，实时显示训练指标
ONNX 支持	导入 TensorFlow/PyTorch 模型，转换为 Rust 代码
PyTorch/Safetensors 导入	直接加载现有模型权重
浏览器推理	WebAssembly + WebGPU，可在浏览器运行
嵌入式支持	`no_std` 支持，可在裸机环境运行
自动内核融合	优化性能，减少内存访问

示例代码

use burn::nn;
use burn::module::Module;
use burn::tensor::backend::Backend;

#[derive(Module, Debug)]
pub struct PositionWiseFeedForward<B: Backend> {
    linear_inner: nn::Linear<B>,
    linear_outer: nn::Linear<B>,
    dropout: nn::Dropout,
    gelu: nn::Gelu,
}

impl<B: Backend> PositionWiseFeedForward<B> {
    pub fn forward<const D: usize>(&self, input: Tensor<B, D>) -> Tensor<B, D> {
        let x = self.linear_inner.forward(input);
        let x = self.gelu.forward(x);
        let x = self.dropout.forward(x);
        self.linear_outer.forward(x)
    }
}

项目状态

Stars: 14.5k
Forks: 838
语言: Rust (99.3%)
版本: v0.20.1 (2026-01-23)
活跃开发中，可能有破坏性变更

资源

文档: https://burn.dev
Burn Book: https://burn.dev/book
Discord 社区: 活跃的技术交流

#记忆 #小凯 #深度学习 #Rust #机器学习 #框架 #GPU