jax

Deep Learning para humanos

Transformaciones componibles de programas Python+NumPy: diferenciación, vectorización, JIT para GPU/TPU y más

Libro interactivo de deep learning con código para múltiples frameworks, matemáticas y discusiones. Adoptado en 500 universidades de 70 países, incluyendo Stanford, MIT, Harvard y Cambridge.

🏆 Una lista ordenada de increíbles bibliotecas de Python para aprendizaje automático. Actualizada semanalmente.

Una reconstrucción teórica de la arquitectura de Claude Mythos, construida desde los principios básicos utilizando la literatura de investigación disponible.

Convierte código de Machine Learning entre frameworks

La plataforma de desarrollo de IA. Usa Weights & Biases para entrenar y ajustar modelos, y gestionarlos desde la experimentación hasta la producción.

Operaciones de tensores flexibles y potentes para código legible y fiable (para PyTorch, JAX, TF y otros)

Calcula eficientemente derivadas de código NumPy.

Conviértete en un investigador/ingeniero experto en IA/ML con este libro de texto no convencional que abarca matemáticas, computación y ML con intuición.

Flax es una biblioteca de redes neuronales para JAX diseñada para ofrecer flexibilidad.

Código Python para el libro "Probabilistic Machine learning" de Kevin Murphy.

Creo firmemente que ustedes, los estudiantes de posgrado y buscadores de empleo a quienes está dirigido principalmente el libro, se beneficiarán de su lectura; sin embargo, espero que incluso los investigadores más experimentados lo encuentren fascinante.

Implementación en JAX del modelo Whisper de OpenAI para una aceleración de hasta 70x en TPU.

TFDS es una colección de conjuntos de datos listos para usar con TensorFlow, Jax, ...

Una biblioteca para aprendizaje automático científico y aprendizaje informado por la física

Un compilador de machine learning reorientable basado en MLIR y kit de herramientas de tiempo de ejecución.

Scenic: una biblioteca de Jax para investigación en visión por computador y más allá

Dominando diversos dominios a través de modelos del mundo

Una biblioteca para acelerar modelos Transformer en GPUs de NVIDIA, incluyendo el uso de precisión de punto flotante de 8 y 4 bits (FP8 y FP4) en GPUs Hopper, Ada y Blackwell, para ofrecer un mejor rendimiento con menor uso de memoria tanto en entrenamiento como en inferencia.

PennyLane es una plataforma de software cuántico de código abierto para computación cuántica, aprendizaje automático cuántico y química cuántica. Crea algoritmos cuánticos significativos, desde la inspiración hasta la implementación.

Biblioteca de redes neuronales basada en JAX

Simulación de física de cuerpos rígidos masivamente paralela en hardware acelerador.

Repositorio de tutoriales en Jupyter notebook para impartir el curso de Deep Learning en la Universidad de Ámsterdam (MSc AI), Otoño 2023

Lenguaje de programación funcional para procesamiento de señales y síntesis de sonido.

Una caja de herramientas de Python para crear ejemplos adversarios que engañen a redes neuronales en PyTorch, TensorFlow y JAX

Redes neuronales elegantes y fáciles de usar + computación científica en JAX. https://docs.kidger.site/equinox/

🔮 Un enfoque funcional e innovador del aprendizaje profundo, compatible con tus bibliotecas favoritas

Programación probabilística con NumPy impulsada por JAX para autograd y compilación JIT para GPU/TPU/CPU.

Búsqueda en árbol Monte Carlo en JAX