mirror of
https://github.com/openmlsys/openmlsys-zh.git
synced 2026-02-03 18:33:52 +08:00
26 lines
2.0 KiB
Markdown
26 lines
2.0 KiB
Markdown
# 编程接口
|
||
|
||
现代机器学习框架包含大量的组件，辅助用户高效开发机器学习算法、处理数据、部署模型、性能调优和调用硬件加速器。在设计这些组件的应用编程接口（Application Programming Interface，API）时，一个核心的诉求是：如何平衡框架性能和易用性？为了达到最优的性能，开发者需要利用硬件亲和的编程语言如：C和C++来进行开发。这是因为C和C++可以帮助机器学习框架高效地调用硬件底层API，从而最大限度发挥硬件性能。同时，现代操作系统（如Linux和Windows）提供丰富的基于C和C++的API接口（如文件系统、网络编程、多线程管理等），通过直接调用操作系统API，可以降低框架运行的开销。
|
||
|
||
从易用性的角度分析，机器学习框架的使用者往往具有丰富的行业背景（如数据科学家、生物学家、化学家、物理学家等）。他们常用的编程语言是高层次脚本语言：Python、Matlab、R和Julia。相比于C和C++，这些语言在提供编程易用性的同时，丧失了C和C++对底层硬件和操作系统进行深度优化的能力。因此，机器学习框架的核心设计目标是：具有易用的编程接口来支持用户使用高层次语言，如Python实现机器学习算法；同时也要具备以C和C++为核心的低层次编程接口来帮助框架开发者用C和C++实现大量高性能组件，从而在硬件上高效执行。在本章中，将讲述如何达到这个设计目标。
|
||
|
||
本章的学习目标包括：
|
||
|
||
- 理解机器学习系统的工作流和以Python为核心的编程接口设计。
|
||
|
||
- 理解机器学习系统以神经网络模块为核心的接口设计原理和实现。
|
||
|
||
- 理解机器学习系统的底层C/C++执行算子的实现和与上层Python接口的调用实现。
|
||
|
||
- 了解机器学习系统编程接口的演进方向。
|
||
|
||
```toc
|
||
:maxdepth: 2
|
||
|
||
development_history
|
||
ml_workflow
|
||
neural_network_layer
|
||
c_python_interaction
|
||
ml_programming_paradigm
|
||
summary
|
||
``` |