跳转至

《Burn 引擎深度解析》

Burn 是一个用 Rust 写的深度学习框架,主打「后端无关」——同一份模型定义可以跑在 CPU、GPU、WebGPU 甚至嵌入式设备上。本书从源码出发,逐层拆解 Burn 如何通过 Backend trait 的泛型单态化实现编译期后端切换、如何用类型参数编码张量维度、 以及如何把自动微分做成可组合的装饰器层。

来源仓库 burn @ 91d892a4a。

  • 从哪里开始


    每章的第一节都会回答「为什么需要这个机制」,可以据此决定是否跳过。

  • 源码基准


    全书引用格式为 `文件:行号`,路径相对源仓库根,基准提交 91d892a4a。仓库在动,所以每章末尾都标了版本演化说明。

  • 语言


    右上角切换中英文。两种语言的代码块、Mermaid 图与 文件:行号 引用逐字相同, 散文各自用母语写成。

课程愿景

证明「后端无关」不是通过运行时多态,而是通过 Backend trait 的泛型单态化在编译期消除切换成本——让同一份模型定义真正跑在所有目标上,同时不牺牲类型安全与零开销抽象。

学习目标

读完本书,你能够:

  • 说清 Burn 的 Backend trait 如何通过泛型单态化实现编译期后端切换
  • 理解张量维度如何被编码为泛型参数,让形状错误在编译期暴露
  • 掌握自动微分作为可组合装饰器层的设计,以及它如何包裹任意后端
  • 理解计算图作为核心 IR 的角色,以及跨后端执行的实现机制
  • 独立编写自定义后端、自定义算子和自定义优化 pass

前置知识

  • 熟悉 Rust 基础语法(trait、泛型、生命周期)
  • 了解深度学习基本概念(张量、反向传播、计算图)
  • 不需要事先了解 Burn 本身——第 1 章从设计动机讲起

怎么读这本书

  • 想整体理解系统:第 1–4 章(设计动机 → Backend trait → 张量类型 → 设备与内存)
  • 想抄架构:第 2、5、15 章(Backend trait / 自动微分 / 计算图)
  • 关心跨后端执行:第 11–14 章(NdArray / Tch / WGPU 三类后端实现,以及 Device 与 DType 的运行时类型)
  • 只关心训练与部署:第 18–21 章(训练循环 / 评估 / CLI 与模型导出)
  • 想啃扩展点:第 22–24 章(自定义算子 / No-std / 分布式)与第 25–33 章进阶(IR / Dispatch / Router / Capture / Store)

阅读路径

架构师

  1. 第 1 章 → 第 2 章 → 第 3 章 → 第 5 章 → 第 15 章
  2. 第 8 章 → 第 9 章 → 第 10 章

贡献者

  1. 第 1 章 → 第 2 章 → 第 4 章 → 第 11 章 → 第 22 章
  2. 第 5 章 → 第 6 章 → 第 7 章 → 第 16 章

训练工程师

  1. 第 1 章 → 第 8 章 → 第 9 章 → 第 18 章 → 第 19 章 → 第 20 章
  2. 第 10 章 → 第 21 章

约定

约定 含义
`path/to/file.py:123` 源码引用,路径相对源仓库根,行号以基准提交为准
> **本章核心源码** 章节开头列出的主要源码文件
> **主线回扣** 章节结尾说明本章如何支撑全书主线论点
!!! warning 容易踩的坑或反直觉之处