《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
Backendtrait 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¶
贡献者¶
训练工程师¶
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 |