#jax Dépôts
Découvrez 138 dépôts GitHub open source actifs associés à #jax, cumulant 529,515 étoiles au total (soit une moyenne de 3,837 étoiles par projet). Le projet en tête de ce thème est keras-team/keras, avec 64,445 étoiles.
138 dépôts au total
Transformations composables de programmes Python+NumPy : différencier, vectoriser, JIT vers GPU/TPU, et plus
Livre interactif sur l'apprentissage profond avec code multi-frameworks, mathématiques et discussions. Adopté dans 500 universités de 70 pays, dont Stanford, MIT, Harvard et Cambridge.
Une liste classée d'incroyables bibliothèques Python pour le machine learning. Mise à jour chaque semaine.
Une reconstruction théorique de l'architecture du Mythe de Claude, construite à partir de premiers principes en utilisant la littérature de recherche disponible.
La plateforme pour les développeurs d'IA. Utilisez Weights & Biases pour entraîner et affiner les modèles, et gérer les modèles de l'expérimentation à la production.
Opérations sur les tenseurs flexibles et puissantes pour un code lisible et fiable (pour PyTorch, JAX, TF et autres)
Devenez un chercheur/ingénieur en IA/ML hors pair grâce à ce manuel non conventionnel qui aborde les mathématiques, l'informatique et le ML avec intuition.
Large World Model -- Modélisation de texte et de vidéo avec des millions de contextes
Flax est une bibliothèque de réseaux de neurones pour JAX conçue pour la flexibilité.
Je suis convaincu que vous, les étudiants diplômés et les chercheurs d'emploi pour qui ce livre est principalement destiné, en bénéficierez ; cependant, j'espère que même les chercheurs les plus expérimentés le trouveront fascinant également.
Implémentation JAX du modèle Whisper d'OpenAI pour une accélération jusqu'à 70 fois sur TPU.
TFDS est une collection de jeux de données prêts à l'emploi avec TensorFlow, Jax, ...
Une bibliothèque pour l'apprentissage automatique scientifique et l'apprentissage informé par la physique
Un compilateur et kit d'outils d'exécution pour l'apprentissage automatique basé sur MLIR et retargetable.
Scenic : Une bibliothèque Jax pour la recherche en vision par ordinateur et au-delà
Une bibliothèque pour accélérer les modèles Transformer sur les GPU NVIDIA, y compris l'utilisation de la précision flottante 8 bits et 4 bits (FP8 et FP4) sur les GPU Hopper, Ada et Blackwell, afin d'offrir de meilleures performances avec une utilisation de mémoire réduite en entraînement et en inférence.
PennyLane est une plateforme logicielle quantique open-source pour l’informatique quantique, l’apprentissage machine quantique et la chimie quantique. Créez des algorithmes quantiques significatifs, de l’inspiration à la mise en œuvre.
Base de code officielle utilisée pour développer Vision Transformer, SigLIP, MLP-Mixer, LiT et plus encore.
Une collection complète de ressources relatives aux KAN (Kolmogorov-Arnold Network), y compris des bibliothèques, des projets, des tutoriels, des articles, etc., pour les chercheurs et les développeurs dans le domaine du Kolmogorov-Arnold Network.
Simulation de physique de corps rigides massivement parallèle sur matériel accélérateur.
Langage de programmation fonctionnel pour le traitement du signal et la synthèse sonore
Référentiel de tutoriels Jupyter notebook pour l'enseignement du cours Deep Learning à l'Université d'Amsterdam (MSc AI), Automne 2023
Réseaux neuronaux élégants et faciles à utiliser + calcul scientifique dans JAX. https://docs.kidger.site/equinox/
Une boîte à outils Python pour créer des exemples adversariaux qui trompent les réseaux de neurones dans PyTorch, TensorFlow et JAX
🔮 Une approche fonctionnelle rafraîchissante de l'apprentissage profond, compatible avec vos bibliothèques préférées
Programmation probabiliste avec NumPy alimentée par JAX pour autograd et compilation JIT vers GPU/TPU/CPU.
Les grands modèles linguistiques (LLM) simplifiés, EasyLM est une solution tout-en-un pour le pré-entraînement, le réglage fin, l'évaluation et le service des LLM en JAX/Flax.
Une bibliothèque open source pour des démonstrations en simulation et avec de vrais robots, basée sur MuJoCo.
Solveurs numériques d'équations différentielles en JAX. Autodifférentiables et compatibles GPU. https://docs.kidger.site/diffrax/
Foire aux questions
Quel est le dépôt #jax le plus populaire sur GitHub ?
Le projet #jax open source le mieux classé sur GitHub est keras-team/keras, avec 64,445 étoiles. Deep Learning pour les humains
Quels langages de programmation sont les plus utilisés dans les dépôts #jax ?
Parmi les projets #jax les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, TypeScript.
Comment le classement des dépôts #jax est-il calculé ?
Nous suivons 138 dépôts open source actifs associés à #jax (500+ étoiles), totalisant 529,515 étoiles, avec une moyenne de 3,837 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.