Библиотека Rubix ML для PHP выпустила обновления 3.0, 3.1 и 3.2, которые затронули производительность, обучение нейросетей, обработку данных и параллельные вычисления. У проекта появился официальный сайт с документацией и примерами для полного цикла работы с моделями.
В версии 3.0 реализована возможность параллельного выполнения алгоритмов. Параллельный inference теперь доступен для K-Nearest Neighbors и KNN Regressor, а для Isolation Forest параллелизованы обучение и inference. Для работы функций требуется настройка backend, например Amp или Swoole.
Обновления включают инструменты для обучения нейросетей: накопление градиентов, ограничение градиентов и fine-tuning с заморозкой слоёв. Также добавлены алгоритм кластеризации K-medoids, новые экстракторы данных ARFF и Shuffler, а также преобразования изображений.
Целочисленные значения теперь автоматически распознаются как категориальный тип. Для работы с актуальной веткой 3.x требуется PHP 8.3 или новее. Официальный сайт проекта теперь выступает единым ресурсом для изучения возможностей библиотеки.
