#jax Репозитории
Всего репозиториев: 138
Официальная реализация JAX End-to-End Test-Time Training для длинного контекста
Читаемые, масштабируемые, воспроизводимые базовые модели с именованными тензорами и Jax
Изучайте, визуализируйте и вмешивайтесь в любые операции любой нейронной сети. Фиксируйте все активации и градиенты, полный граф вычислений и более 800 полей метаданных, не изменяя код модели. Поддерживает PyTorch, JAX, TensorFlow, MLX, PaddlePaddle и tinygrad. Проверено на более чем 6 400 моделях. Создано для исследователей и их ИИ-агентов.
Руководство по машинному обучению. Узнайте все об инструментах, библиотеках, фреймворках машинного обучения, больших языковых моделях (LLM) и моделях обучения.
Нелинейная оптимизация (нахождение корней, метод наименьших квадратов и т. д.) в JAX+Equinox. https://docs.kidger.site/optimistix/
Решение прямых и обратных задач, связанных с дифференциальными уравнениями в частных производных, с использованием нейронных сетей с конечным базисом, основанных на физике (FBPINNs)
Pax — это основанная на Jax платформа машинного обучения для обучения масштабных моделей. Pax обеспечивает продвинутое и полностью настраиваемое экспериментирование и параллелизацию, а также продемонстрировала ведущие в отрасли показатели использования FLOP в моделях.
От учителя к плиткам — движок дистилляции и обслуживания LLM, созданный с нуля: пользовательские ядра Triton/CUDA, дистилляция FSDP, пакетная обработка с непрерывным KV-кэшированием, спекулятивное декодирование, шлюз на Rust, оракул JAX и инструменты интерпретируемости.
MPI-коммуникация без копирования массивов JAX для турбированных HPC-приложений на Python :zap:
Модельный предиктивный контроллер для четвероногих роботов, основанный на модели единого твердого тела и написанный на Python. Градиентный (acados) или основанный на выборке (jax).
Orbax предоставляет общие утилиты для контрольных точек и персистентности для пользователей JAX
XLB: Ускоренный метод решеточных уравнений Больцмана (XLB) для физически обоснованного машинного обучения