t.me/oneRustnoqRust Обучить модель ML для предсказаний параметров. Найти альтернативы нормализации в Rust и в Python (Разные mean/scale) . Что происходит на самом деле: → Загрузка Iris → Разделение → Нормализация → Обучение MLP → Конвертация в ONNX → Сохранение трёх файлов. mlp.onnx, test_data.csv, scaler_params.pkl → в папку проекта Rust → Чтение параметров нормализации
→ Загрузка и оптимизация ONNX-модели
→ Чтение тестовых примеров
→ Параллельно для каждого примера:
• Извлечение признаков
• Нормализация (точно такая же, как в Python)
• Создание тензора
• Выполнение модели
• argmax по выходным вероятностям
• Сравнение с истинной меткой
→ Подсчёт точности и вывод результатов Нормализация в Rust повторяет Python. Модель обучена на нормализованных данных (Разные mean/scale) → полная бессмыслица предсказаний. // 1. Чтение параметров нормализации из pickle-файла let (mean, scale): (Vec<f64>, Vec<f64>) = bincode::deserialize(&buffer).unwrap(); let mean: Vec<f32> = mean.into_iter().map(|x| x