JAX：高性能数组计算

JAX 是一个用于加速器导向的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 提供了熟悉的 NumPy 风格的 API，以便研究人员和工程师轻松上手。

转换

JAX 包括用于编译、批处理、自动微分和并行化的可组合函数转换。

随处运行

相同的代码可以在多个后端上执行，包括 CPU、GPU 和 TPU

入门

JAX 入门

用户指南

用户指南

开发者笔记

开发者笔记

如果您想训练神经网络，请使用 Flax 并从其教程开始。对于一个基于 JAX 的端到端转换器库，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 构建了一个不断发展的机器学习和数值计算工具生态系统；以下是其中的一小部分示例

神经网络

• Flax

• NNX

• Equinox

• Keras

优化器和求解器

• Optax

• Optimistix

• Lineax

• Diffrax

数据加载

• Grain

• Tensorflow 数据集

• Hugging Face 数据集

其他工具

• Orbax

• Chex

概率编程

• Blackjax

• Numpyro

• PyMC

概率建模

• Tensorflow 概率

• Distrax

物理和仿真

• JAX MD

• Brax

大型语言模型

• MaxText

• AXLearn

• Levanter

• EasyLM

许多其他基于 JAX 的库也已被开发出来；社区运营的 Awesome JAX 页面维护着一个最新的列表。