JAX：高性能数组计算

高性能数组计算

JAX 是一个面向加速器数组计算和程序转换的 Python 库，专为高性能数值计算和大规模机器学习而设计。

熟悉的 API

JAX 提供了一个熟悉的 NumPy 风格的 API，方便研究人员和工程师采用。

转换

JAX 包括可组合的函数转换，用于编译、批处理、自动微分和并行化。

随处运行

相同的代码在多个后端执行，包括 CPU、GPU 和 TPU

安装

安装

入门

JAX 入门

用户指南

用户指南

如果您想训练神经网络，请使用 Flax 并从其教程开始。有关基于 JAX 构建的端到端 transformer 库，请参阅 MaxText。

生态系统

JAX 本身范围狭窄，专注于高效的数组操作和程序转换。围绕 JAX 构建的是一个不断发展的机器学习和数值计算工具生态系统；以下只是其中一小部分示例

神经网络

• Flax

• Equinox

• Keras

优化器和求解器

• Optax

• Optimistix

• Lineax

• Diffrax

数据加载

• Grain

• TensorFlow Datasets

• Hugging Face Datasets

杂项工具

• Orbax

• Chex

概率编程

• Blackjax

• Numpyro

• PyMC

概率建模

• TensorFlow 概率

• Distrax

物理与模拟

• JAX MD

• Brax

大型语言模型 (LLMs)

• MaxText

• AXLearn

• Levanter

• EasyLM

已经开发了许多基于 JAX 的库；社区维护的 Awesome JAX 页面保持着最新的列表。