Burn
社区驱动的Rust深度学习框架，目标是提供类似PyTorch的高层次抽象体验，支持多种后端包括CUDA和WebGPU，适用于训练与推理场景
时间轴 (近 90 天)
Burn在迁移后做了11轮安全审查，给每个解析器挂上不间断的模糊测试，又修出了15个PR。
Burn把53万行Zig代码交给Claude翻成100多万行Rust，合并前测试套件全部通过，包含100多万条断言。
Burn的迁移在测试全绿后合并，仍然出现了19个细小的语义回归。
Zig语言的作者Andrew Kelley曾公开质疑Burn的测试套件是否足以兜住100万行没人逐行评审过的代码。
Burn是社区驱动项目，提供类似PyTorch的高层抽象，并支持多种后端包括CUDA、WebGPU
作者记录了Candle的五个缺陷和Burn的三个缺陷，作为训练后端时暴露的问题
Burn的反向传播（backward pass）性能只有理论GPU吞吐量的约3%
Burn的内核融合路径在数十亿参数规模下会在训练中途段错误（segfault）崩溃
Hugging Face推出的tokenizers库和candle推理框架均使用Rust编写，Burn是完全用Rust构建的深度学习框架
全部知识事实 (9)
Hugging Face推出的tokenizers库和candle推理框架均使用Rust编写，Burn是完全用Rust构建的深度学习框架
70%待验证Burn在迁移后做了11轮安全审查，给每个解析器挂上不间断的模糊测试，又修出了15个PR。
50%待验证Burn把53万行Zig代码交给Claude翻成100多万行Rust，合并前测试套件全部通过，包含100多万条断言。
50%待验证Burn的迁移在测试全绿后合并，仍然出现了19个细小的语义回归。
50%待验证Zig语言的作者Andrew Kelley曾公开质疑Burn的测试套件是否足以兜住100万行没人逐行评审过的代码。
50%待验证作者记录了Candle的五个缺陷和Burn的三个缺陷，作为训练后端时暴露的问题
50%待验证Burn的反向传播（backward pass）性能只有理论GPU吞吐量的约3%
50%待验证Burn的内核融合路径在数十亿参数规模下会在训练中途段错误（segfault）崩溃
50%待验证Burn是社区驱动项目，提供类似PyTorch的高层抽象，并支持多种后端包括CUDA、WebGPU
50%