#jax Repositories
Entdecke 138 aktive Open-Source-GitHub-Repositories, die mit #jax getaggt sind und insgesamt 529,515 Sterne gesammelt haben (durchschnittlich 3,837 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist keras-team/keras mit 64,445 Sternen.
Insgesamt 138 Repositories
Zusammensetzbare Transformationen von Python+NumPy-Programmen: Differenzieren, Vektorisieren, JIT zu GPU/TPU und mehr
Interaktives Deep-Learning-Buch mit Code für mehrere Frameworks, Mathematik und Diskussionen. An 500 Universitäten in 70 Ländern übernommen, darunter Stanford, MIT, Harvard und Cambridge.
Eine Rangliste von großartigen Machine-Learning-Python-Bibliotheken. Wöchentlich aktualisiert.
Eine theoretische Rekonstruktion der Claude-Mythos-Architektur, aufgebaut aus ersten Prinzipien unter Verwendung der verfügbaren Forschungs-literatur.
Die AI-Entwicklerplattform. Verwenden Sie Weights & Biases, um Modelle zu trainieren und feinabzustimmen und Modelle von der Experimentierphase bis zur Produktion zu verwalten.
Flexible und leistungsstarke Tensor-Operationen für lesbaren und zuverlässigen Code (für PyTorch, JAX, TF und andere)
Werde ein erstklassiger KI/ML-Forscher/Ingenieur mit diesem unkonventionellen Lehrbuch, das Mathematik, Informatik und ML auf intuitive Weise vermittelt.
Large World Model -- Modellierung von Text und Video mit Millionen von Kontexten
Flax ist eine Neural-Network-Bibliothek für JAX, die für Flexibilität konzipiert ist.
Ich glaube, dass Sie, die Doktoranden und Arbeitssuchenden, für die das Buch hauptsächlich bestimmt ist, davon profitieren werden; ich hoffe jedoch, dass selbst die erfahrensten Forscher es faszinierend finden werden.
JAX-Implementierung von OpenAIs Whisper-Modell für eine Geschwindigkeitssteigerung von bis zu 70x auf TPUs.
TFDS ist eine Sammlung von Datensätzen, die für die Verwendung mit TensorFlow, Jax, ... bereit sind.
Eine Bibliothek für wissenschaftliches Machine Learning und physik-informiertes Lernen
Ein retargetbarer MLIR-basierter Compiler und Runtime-Toolkit für maschinelles Lernen.
Scenic: Eine Jax-Bibliothek für Computer Vision Forschung und darüber hinaus
Eine Bibliothek zur Beschleunigung von Transformer-Modellen auf NVIDIA-GPUs, einschließlich der Verwendung von 8-Bit- und 4-Bit-Gleitkomma-Präzision (FP8 und FP4) auf Hopper-, Ada- und Blackwell-GPUs, um sowohl beim Training als auch bei der Inferenz eine bessere Leistung bei geringerem Speicherverbrauch zu erzielen.
PennyLane ist eine Open-Source-Softwareplattform für Quantencomputing, Quanten-Maschinelles Lernen und Quantenchemie. Erstellen Sie sinnvolle Quantenalgorithmen, von der Inspiration bis zur Umsetzung.
Offizieller Code, der zur Entwicklung von Vision Transformer, SigLIP, MLP-Mixer, LiT und mehr verwendet wird.
Eine umfassende Sammlung von KAN (Kolmogorov-Arnold Network)-bezogenen Ressourcen, einschließlich Bibliotheken, Projekten, Tutorials, Papieren und mehr, für Forscher und Entwickler im Bereich des Kolmogorov-Arnold-Netzwerks.
Repository von Jupyter-Notebook-Tutorials für den Deep Learning Kurs an der Universität Amsterdam (MSc AI), Herbst 2023
Elegante, einfach zu bedienende neuronale Netze + wissenschaftliches Rechnen in JAX. https://docs.kidger.site/equinox/
Ein Python-Toolbox zum Erstellen von adversariellen Beispielen, die neuronale Netzwerke in PyTorch, TensorFlow und JAX täuschen
🔮 Ein erfrischender funktionaler Ansatz für Deep Learning, kompatibel mit Ihren bevorzugten Bibliotheken
Probabilistisches Programmieren mit NumPy, angetrieben von JAX für Autograd und JIT-Kompilierung auf GPU/TPU/CPU.
Large Language Models (LLMs) leicht gemacht, EasyLM ist eine Komplettlösung für Pre-Training, Finetuning, Evaluierung und Serving von LLMs in JAX/Flax.
Eine Open-Source-Bibliothek für Simulationen und Demos mit echten Robotern auf Basis von MuJoCo.
Numerische Lösungsalgorithmen für Differentialgleichungen in JAX. Autodifferenzierbar und GPU-fähig. https://docs.kidger.site/diffrax/
Häufig gestellte Fragen
Welches ist das beliebteste #jax-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#jax-Projekt auf GitHub ist keras-team/keras mit 64,445 Sternen. Deep Learning für Menschen
Welche Programmiersprachen werden in #jax-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #jax-Projekten auf GitHub sind Python, Jupyter Notebook, C++, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #jax-Repositories berechnet?
Wir verfolgen 138 aktive Open-Source-Repositories, die mit #jax getaggt sind (500+ Sterne), mit insgesamt 529,515 Sternen und durchschnittlich 3,837 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.