AioWay

🚧 注意事项

Aioway 目前仍处于开发中，它基于原始的 koila（已移至分支） 构建。由于 torch 团队已经实现了与 koila 功能高度重叠的 FakeTensor，因此 koila 已不再维护。具体原因请参阅 koila 分支中的说明。

从概念上讲，aioway 的工作方式类似，但它不直接操作 Tensor 运算，而是将重点放在更高层次的 算法构建 上。以下是承诺实现的功能：

🍰 承诺功能

• 简单、声明式且可复现。
• 自动检测当前任务和可用资源，并选择最佳的算法和模型。
• 使用 aioway 构建的模型将是白盒模型（可解释）。
• 支持扩展模型规模，并部署到不同设备上。
• 可通过自定义 PyTorch 扩展功能。

🗺️ 路线图

关于预发布版本（v0.0.*），更多详细信息请参阅 项目页面。

🤔 为什么是 aioway……等等

近年来，机器学习的入门门槛非但没有降低，反而越来越高。随着算法、库和模型数量的不断增加，具备相应技能的数据科学家变得愈发稀缺——因为要跟上当前的技术水平，往往需要多年的持续学习和实践。

我们设计 Aioway 的初衷是：与其思考“如何”进行机器学习，不如明确“要做什么”。Aioway 不再让你纠结于使用哪些算法和模型，而是帮助你聚焦于具体的业务场景，结合问题背景自动进行编译优化，从而确保良好的性能——这一切都由系统自动完成。

🤝 贡献

当然欢迎各位贡献代码！请阅读 贡献指南，并遵守 行为准则。

👨‍👨‍👦‍👦 贡献者

AioWay 快速上手指南

⚠️ 重要提示：AioWay 目前处于早期开发阶段（Work in Progress），版本号为 v0.0.*。该项目基于已停止维护的 koila 理念重构，专注于算法构建而非底层的 Tensor 操作。请勿在生产环境中直接使用，建议仅用于技术调研和实验。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux (推荐), macOS, 或 Windows
• Python 版本：Python 3.8 或更高版本
• 前置依赖：
  • PyTorch (最新稳定版)
  • Git

由于项目处于预发布阶段，建议在一个干净的虚拟环境中进行安装，以避免依赖冲突。

# 创建并激活虚拟环境 (以 venv 为例)
python -m venv aioway-env
source aioway-env/bin/activate  # Windows 用户请使用: aioway-env\Scripts\activate

安装步骤

由于 AioWay 尚未发布到 PyPI，您需要直接从 GitHub 源码安装。

方式一：直接通过 pip 安装（推荐）

pip install git+https://github.com/rentruewang/aioway.git

方式二：克隆源码安装（适合开发者）

如果您需要修改源码或贡献代码，建议使用此方式：

git clone https://github.com/rentruewang/aioway.git
cd aioway
pip install -e .

国内加速提示：如果访问 GitHub 速度较慢，可配置国内 pip 镜像源加速下载依赖包（如 PyTorch），但源码仓库本身仍需从 GitHub 拉取。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple git+https://github.com/rentruewang/aioway.git

基本使用

AioWay 的核心设计理念是声明式编程：您只需定义“做什么”（What），框架会自动根据数据和资源上下文选择最佳算法并编译模型。

由于项目处于极早期阶段，具体的 API 接口可能会随版本快速迭代。以下是一个概念性的使用示例，展示如何定义一个任务：

import aioway as aw

# 1. 定义任务目标 (声明式)
# 用户只需关注业务场景，无需手动选择具体算法
task = aw.Task(
    type="classification",  # 指定任务类型
    data=my_dataset,        # 传入数据
    goal="maximize_accuracy" # 指定优化目标
)

# 2. 自动编译与执行
# AioWay 将自动检测资源、选择模型并构建白盒可解释模型
model = aw.compile(task)

# 3. 训练与评估
results = model.fit()
print(results.summary())

核心特性预览：

• 自动选型：根据数据特征自动匹配最佳算法。
• 白盒模型：生成的模型具备可解释性。
• 弹性扩展：支持无缝扩展模型规模及分布式运行。

注：具体类名和方法请以当前安装的 aioway 版本文档或源码为准。