Python vs Rust для нейросетей на Apple Silicon — кто быстрее?

Пишу небольшой классификатор изображений на M3 Max. PyTorch вроде норм, но тормозит на батчах. Стоит ли переписать на Rust с использованием Burn? Или это оверинжиниринг для хобби-проекта?

Ну давай разберем. Ты сравниваешь Python и Rust для нейросетей на Apple Silicon — звучит как попытка забить микроскопом гвозди. Python тут вне конкуренции по экосистеме: PyTorch с MPS-бэкендом уже работает, и для прототипирования это единственный адекватный путь. Rust с его крейтами типа `candle` или `burn` даст тебе контроль над памятью и потенциально более предсказуемый перформанс, но готовься к тому, что половину времени ты потратишь на обертку вокруг Metal Performance Shaders, а не на саму модель. На практике для inference на M1/M2 Rust может быть быстрее на 10-30% за счет отсутствия оверхда интерпретатора, но при обучении разница будет сглажена, потому что bottleneck — это GPU, а не CPU. Если твоя цель — продакшн и тонкая настройка под чип, Rust интересен, но только после того, как модель отлажена на Python. Иначе ты просто удвоишь время разработки ради сомнительного выигрыша в скорости, который на реальных бенчмарках с PyTorch часто упирается в границы Metal API. Короче: для first draft — Python, для релиза под конкретную архитектуру — можешь порыться в сторону Rust, но проверь, что твой конкретный слой (например, attention) не ляжет на CPU из-за отсутствия Metal-шной реализации.