文章

本文介绍了如何使用 fuse 来实现访问一个压缩包

本文总结了 Rust 开发中常见的安全性陷阱，包括数值转换、整数溢出、数组边界访问、超大数组处理、滥用 `unsafe`、时间攻击（TOCTOU）、FFI 隐患及循环引用等问题。通过正确使用类型安全方法、限制资源大小、减少 `unsafe` 范围、合并原子操作及管理内存等方式，可有效避免这些问题。

本文介绍了 HEIF/HEIC 格式图片的转换方法，因其基于 HEVC 技术存在专利问题，兼容性较差。在 Rust 中可通过 `libheif-rs` 解码 HEIF 图片并借助 `image` crate 转换为其他格式。前端则可使用 `heic-convert` 实现类似功能，重点在于构造符合要求的 buffer 数据进行格式转换。

本文介绍了 Rust 中一些不常见但实用的语法特性，包括联合体（`union`）、切片模式匹配、裸指针操作、内联汇编（`asm!`）、extern 块、loop 循环返回值、匹配模式中的 `@`、标签化循环控制、never 类型（`!`）、`#[repr]` 属性及宏的多样化调用方式。这些特性在特定场景下可显著提升开发效率和代码灵活性。

本文介绍了如何使用 Rust 实现 RMBG（移除图片背景）推理。通过加载 ONNX 模型，对输入图片进行预处理（resize、归一化），完成模型推理后生成掩码图，并基于掩码实现背景去除或透明度混合处理。最后优化了掩码反归一化算法，提升背景纯净度，适用于海报、游戏等领域。

本文总结了 Rust Candle 框架中的一些杂项功能，包括自定义实现的 `masked_fill`、广播机制（`broadcast_add`）、矩阵乘法（`matmul` 与逐元素乘法的区别）以及模块容器 `ModuleList` 的替代实现。通过对比 PyTorch，分析了 Candle 在张量操作和模型加载上的差异及解决方案。

本文对比了 Rust 中处理大文件的三种方法：标准库、Tokio 和内存映射（mmap）的内存使用情况。标准库一次性加载文件占用内存最高，Tokio 通过分块优化显著降低内存使用，而 mmap 利用内存映射技术几乎不占用额外内存，表现最优。

本文对比了 Rust Candle 框架与 PyTorch 在神经网络层实现上的异同，涵盖顺序容器、卷积层（1D/2D 及转置卷积）、池化层（最大池化与平均池化）及常见激活函数。重点分析了两者在功能实现、参数配置及使用方式上的对应关系，并指出 Candle 暂不支持 3D 卷积等部分功能。

本文对比了 Rust Candle 框架与 PyTorch 中常见神经网络层的实现，包括归一化层（BatchNorm、LayerNorm、RMSNorm）、循环层（LSTM、GRU）、Transformer、线性层、Dropout 层、嵌入层及上采样层。总结了两者的功能对应关系及差异，并指出 Candle 在大模型推理场景下的支持情况。

本文对比了Pytorch和Rust Candle 框架在张量归约运算上的实现差异，涵盖求和、均值、最大值、最小值等常见操作。

本文对比了Pytorch和Rust Candle框架在张量逐点运算上的实现差异，涵盖绝对值、三角函数、指数等常见操作。

本文对比了Rust Candle与Pytorch在张量索引、切片、连接、变异等操作上的实现差异，涵盖常见张量操作及其等价方法。