#jax Repositórios
138 repositórios no total
Implementação oficial JAX de treinamento de tempo de teste de ponta a ponta para contexto longo
Modelos Fundamentais Legíveis, Escaláveis e Reprodutíveis com Tensores Nomeados e Jax
Inspecione, visualize e intervenha em qualquer operação de qualquer rede neural. Capture todas as ativações e gradientes, o grafo computacional completo e mais de 800 campos de metadados, sem alterar o código do modelo. Compatível com PyTorch, JAX, TensorFlow, MLX, PaddlePaddle e tinygrad. Validado em mais de 6.400 modelos. Desenvolvido para pesquisadores e seus agentes de IA.
Implementação Original do Ajuste de Prompt (Prompt Tuning) de Lester, et al, 2021
Guia de Machine Learning. Saiba tudo sobre Ferramentas, Bibliotecas, Frameworks, Modelos de Linguagem Grandes (LLMs) e Treinamento de Modelos de Machine Learning.
Otimização não linear (busca de raízes, mínimos quadrados, ...) em JAX+Equinox. https://docs.kidger.site/optimistix/
Resolver problemas diretos e inversos relacionados a equações diferenciais parciais usando redes neurais informadas pela física de base finita (FBPINNs)
Pax é um framework de aprendizado de máquina baseado em Jax para treinar modelos em larga escala. O Pax permite experimentação e paralelização avançadas e totalmente configuráveis, e demonstrou taxas de utilização de flops de modelo líderes do setor.
Do professor aos blocos — um mecanismo de destilação e serviço de LLM construído do zero: kernels Triton/CUDA personalizados, destilação FSDP, processamento em lote contínuo com KV paginado, decodificação especulativa, um gateway Rust, um oráculo JAX e ferramentas de interpretabilidade.
Comunicação MPI de cópia zero de arrays JAX, para aplicações HPC turbo-carregadas em Python :zap:
Um controlador preditivo baseado em modelo para robôs quadrúpedes, baseado no modelo de corpo rígido único e escrito em Python. Baseado em gradiente (acados) ou baseado em amostragem (jax).
Orbax fornece utilitários comuns de checkpointing e persistência para usuários do JAX