#jax Repositorios
138 repositorios en total
Un paquete de aprendizaje profundo para la representación de energía potencial de muchos cuerpos y dinámica molecular
Un kit de herramientas de investigación JAX para construir, editar y visualizar redes neuronales.
Anotaciones de tipo y comprobación en tiempo de ejecución para la forma y el dtype de matrices JAX/NumPy/PyTorch/etc. https://docs.kidger.site/jaxtyping/
ADVERTENCIA: El proyecto Katib está OBSOLETO. Los usuarios deben migrar a OptimizationJob y Kubeflow Trainer.
Inicio de "How To Scale Your Model", un breve libro de texto estilo blog sobre la escalabilidad de LLM en TPU
Benchmark de aprendizaje por imitación centrado en tareas de locomoción complejas utilizando MuJoCo.
MACE: Potenciales interatómicos de aprendizaje automático rápidos y precisos con paso de mensajes de orden superior equivariante.
Este repositorio proporciona el código y los puntos de control del modelo para los proyectos de investigación AIMv1 y AIMv2.
Estación de trabajo de audio digital con Python; instrumentos/efectos VST, automatización de parámetros, FAUST, JAX, marcadores de tiempo y procesadores JUCE
Una implementación multi-backend de la API Keras, con soporte para TensorFlow, JAX y PyTorch.
PDEBench: Un extenso punto de referencia para el aprendizaje automático científico
💁 Impresionante tesoro de modelos Transformer para el procesamiento del lenguaje natural contiene artículos, videos, blogs, repos oficiales junto con cuadernos de Colab. 🛫☑️
Biblioteca modular de aprendizaje por refuerzo (RL) (implementada en PyTorch, JAX y NVIDIA Warp) con soporte para Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground y otros entornos
Flujos de trabajo de visión por computadora de resistencia industrial con Keras
Un paquete de Python para la modelización probabilística de espacios de estados con JAX
🦁 Una base de código amigable para la investigación para la experimentación rápida de aprendizaje por refuerzo multiagente en JAX
Un framework de servicio de modelos de ML de alto rendimiento, ofrece procesamiento por lotes dinámico y canalizaciones de CPU/GPU para aprovechar al máximo su máquina de cómputo
🕹️ Un diverso conjunto de entornos de aprendizaje por refuerzo escalables en JAX
SERL: Una suite de software para el aprendizaje por refuerzo robótico eficiente en muestras
Una implementación de la Red Neuronal Fermiónica para cálculos ab-initio de estructura electrónica
Modelos OCR ligeros y rápidos para el reconocimiento de texto de matrículas.
Modelos abiertos de nivel frontera en una TPU v5e-8 gratuita de Kaggle: GLM-5.3-Flash 320B MoE (~165 tokens/s, con nuestro propio motor JAX) y Qwen3.8-27B bf16 (~130 tokens/s), contexto de 262k y caché de prefijos. Funciona con Claude Code, Codex, opencode y pi.
Herramientas de transporte óptimo implementadas con el framework JAX, para resolver problemas de emparejamiento a gran escala de cualquier tipo.
Tevatron - Kit de herramientas unificado de recuperación de documentos a través de escala, lenguaje y modalidad. Demo en SIGIR 2023, SIGIR 2025.