jax

Méthode des éléments finis différentiable avec JAX.

Tevatron - Boîte à outils unifiée de recherche documentaire à travers les échelles, les langues et les modalités. Démo présentée à SIGIR 2023 et SIGIR 2025.

Modèles OCR légers et rapides pour la reconnaissance de texte sur plaques d'immatriculation.

Guide du machine learning. Apprenez tout sur les outils, bibliothèques, frameworks, grands modèles de langage (LLM) et l'entraînement de modèles.

Algorithmes d'apprentissage automatique pour les systèmes quantiques à N corps

Tutoriels d'apprentissage automatique guidé par la physique (PyTorch et JAX)

Processus gaussiens dans JAX et Equinox.

♟️ Environnements de jeu RL vectorisés dans JAX

Package de dynamique des fluides différentiable

Optimisation non linéaire (recherche de racines, moindres carrés, ...) dans JAX+Equinox. https://docs.kidger.site/optimistix/

Solveurs linéaires dans JAX et Equinox. https://docs.kidger.site/lineax

Résoudre des problèmes directs et inverses liés aux équations aux dérivées partielles à l'aide de réseaux de neurones informés par la physique à base finie (FBPINNs)

Tout ce que vous voulez savoir sur Google Cloud TPU

Felafax développe une infrastructure d'IA pour les GPU non-NVIDIA

From teacher to tiles — a from-scratch LLM distillation & serving engine: custom Triton/CUDA kernels, FSDP distillation, paged-KV continuous batching, speculative decoding, a Rust gateway, a JAX oracle, and interpretability tooling.

Pax est un framework de machine learning basé sur Jax pour l'entraînement de modèles à grande échelle. Pax permet une expérimentation et une parallélisation avancées et entièrement configurables, et a démontré des taux d'utilisation des FLOPs de modèle parmi les meilleurs du secteur.

Communication MPI sans copie (zero-copy) pour les tableaux JAX, optimisée pour les applications HPC en Python.

Orbax fournit des utilitaires courants de checkpointing et de persistance pour les utilisateurs de JAX.

Implémentation Keras du modèle Open-NSFW de Yahoo

Implémentation de https://srush.github.io/annotated-s4.

Contrôleur prédictif de modèle pour robots quadrupèdes basé sur le modèle de corps rigide unique, écrit en Python. Basé sur le gradient (acados) ou l'échantillonnage (jax).

XLB: Accelerated Lattice Boltzmann (XLB) for Physics-based ML