#jax Repositórios
138 repositórios no total
Um pacote de aprendizado profundo para representação de energia potencial de muitos corpos e dinâmica molecular
Um kit de ferramentas de pesquisa JAX para construir, editar e visualizar redes neurais.
Anotações de tipo e verificação em tempo de execução para o formato (shape) e tipo de dado (dtype) de arrays JAX/NumPy/PyTorch/etc. https://docs.kidger.site/jaxtyping/
AVISO: O projeto Katib foi DESCONTINUADO. Os usuários devem migrar para OptimizationJob e Kubeflow Trainer.
Início para "Como Escalar Seu Modelo", um breve livro didático no formato de blog sobre escalar LLMs em TPUs
Benchmark de aprendizado por imitação focado em tarefas complexas de locomoção usando MuJoCo.
MACE - Potenciais interatômicos de aprendizado de máquina rápidos e precisos com passagem de mensagens equivariante de ordem superior.
Este repositório fornece o código e os checkpoints do modelo para os projetos de pesquisa AIMv1 e AIMv2.
Estação de Trabalho de Áudio Digital com Python; instrumentos/efeitos VST, automação de parâmetros, FAUST, JAX, Marcadores de Warp e processadores JUCE
Uma implementação multi-backend da API Keras, com suporte para TensorFlow, JAX e PyTorch.
💁 Tesouro Incrível de Modelos Transformer para Processamento de Linguagem Natural contém artigos, vídeos, blogs, repositórios oficiais juntamente com Notebooks Colab. 🛫☑️
Biblioteca modular de aprendizado por reforço (RL) (implementada em PyTorch, JAX e NVIDIA Warp) com suporte para Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground e outros ambientes
Otimizadores acelerados por hardware, que podem ser agrupados em lotes e diferenciáveis em JAX.
🦁 Uma base de código amigável à pesquisa para experimentação rápida de aprendizado por reforço multiagente em JAX
Um framework de serviço de modelo de ML de alto desempenho, oferece agrupamento dinâmico (dynamic batching) e pipelines de CPU/GPU para explorar totalmente sua máquina de computação
🕹️ Um conjunto diversificado de ambientes escaláveis de aprendizado por reforço em JAX
SERL: Um Suíte de Software para Aprendizado por Reforço Robótico Eficiente em Amostra
Uma implementação da Rede Neural Fermiônica para cálculos de estrutura eletrônica ab initio
Modelos OCR leves e rápidos para reconhecimento de texto de placas de licenciamento.
Modelos abertos de nível de fronteira em uma TPU v5e-8 gratuita da Kaggle: GLM-5.3-Flash 320B MoE (~165 tokens/s, com nosso próprio mecanismo JAX) e Qwen3.8-27B bf16 (~130 tokens/s), contexto de 262k e cache de prefixos. Funciona com Claude Code, Codex, opencode e pi.
Ferramentas de transporte ótimo implementadas com o framework JAX, para resolver problemas de emparelhamento em larga escala de qualquer tipo.
Tevatron - Kit de Ferramentas Unificado para Recuperação de Documentos em Escala, Linguagem e Modalidade. Demonstração na SIGIR 2023, SIGIR 2025.