【Rust日报】 2020-07-09 Rust 机器学习应用：K-means 聚类和可视化

Rust 机器学习应用：K-means 聚类和可视化

虽然机器学习的通用语言是 Python， 但是 Python 本身在计算密集型算法中实际上相当慢的。而 Rust 可能比 Python 快 25 倍。

对于基于 web 的机器学习应用程序来说，基于 Rust、WebAssembly 和 Node.js 的精简软件栈很有意义。Rust 允许我们编写高性能的机器学习函数。为了运行时安全性、跨平台可移植性和基于功能的安全性，可以将这些 Rust 函数编译成 WebAssembly 字节码。然后，开发人员可以从 Node.js 环境中易用的 JavaScript API 访问这些 Rust 函数。本博文作者向我们展示如何将 Rust 函数编译成 WebAssembly，并从 Node.js 应用程序中调用它们。在这个例子中，我们将演示Rust中两个重要的机器学习任务：K-means 聚类和可视化。

详情请看原文：https://www.secondstate.io/articles/machine-learning/

嵌入式 Rust 的并发模式

在嵌入式 no_std 应用程序中进行并发并发编程？Rust Core Library 中没有对时间片线程的内建支持；该抽象仅在 std 环境中可用（参阅 std::thread)。得益于嵌入式小组的编译器工作，最新的稳定版本将 async/await 功能引入了no_std。那么该使用它呢？协作调度适合所有嵌入式应用程