#jax Repository
138 repository in totale
Un pacchetto di deep learning per la rappresentazione dell'energia potenziale multi-corpo e dinamica molecolare
Un toolkit di ricerca JAX per la creazione, la modifica e la visualizzazione di reti neurali.
Annotazioni di tipo e controllo in fase di esecuzione per la forma e il dtype di array JAX/NumPy/PyTorch/ecc. https://docs.kidger.site/jaxtyping/
ATTENZIONE: il progetto Katib รจ DEPRECATO. Gli utenti dovrebbero migrare a OptimizationJob e Kubeflow Trainer.
Home di "How To Scale Your Model", un breve manuale in stile blog sulla scalabilitร di LLM su TPU
Benchmark di apprendimento per imitazione incentrato su complessi compiti di locomozione utilizzando MuJoCo.
MACE โ Potenziali interatomici di apprendimento automatico veloci e accurati con passaggio di messaggi equivarianti di ordine superiore.
Questo repository fornisce il codice e i checkpoint del modello per i progetti di ricerca AIMv1 e AIMv2.
Digital Audio Workstation con Python; strumenti/effetti VST, automazione dei parametri, FAUST, JAX, Warp Markers e processori JUCE
Un'implementazione multi-backend dell'API Keras, con supporto per TensorFlow, JAX e PyTorch.
๐ Fantastico tesoro di modelli Transformer per l'elaborazione del linguaggio naturale contiene articoli, video, blog, repository ufficiali insieme a notebook Colab. ๐ซโ๏ธ
Libreria modulare di apprendimento per rinforzo (RL) (implementata in PyTorch, JAX e NVIDIA Warp) con supporto per Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground e altri ambienti
Un pacchetto Python per la modellazione probabilistica dello spazio degli stati con JAX
๐ฆ Una codebase amichevole per la ricerca per una rapida sperimentazione dell'apprendimento per rinforzo multi-agente in JAX
Un framework di serving per modelli ML ad alte prestazioni, offre batching dinamico e pipeline CPU/GPU per sfruttare appieno la tua macchina di calcolo
๐น๏ธ Una suite diversificata di ambienti di apprendimento per rinforzo scalabili in JAX
SERL: Una suite software per l'apprendimento per rinforzo robotico efficiente in termini di campioni
Un'implementazione della rete neurale fermionica per calcoli ab-initio della struttura elettronica
Modelli OCR leggeri e veloci per il riconoscimento del testo delle targhe.
Modelli open di livello frontier su una TPU v5e-8 gratuita di Kaggle: GLM-5.3-Flash 320B MoE (~165 token/s, con il nostro motore JAX) e Qwen3.8-27B bf16 (~130 token/s), contesto da 262k e caching dei prefissi. Funziona con Claude Code, Codex, opencode e pi.
Strumenti di trasporto ottimali implementati con il framework JAX, per risolvere problemi di matching su larga scala di qualsiasi tipo.
Tevatron โ Unified Document Retrieval Toolkit su Scala, Lingua e Modalitร . Demo in SIGIR 2023, SIGIR 2025.