用于机器学习的 JAX：其工作原理以及学习它的原因

JAX 是机器学习 (ML) 领域的新生力量，它有望使 ML 编程更加直观、结构化和简洁。尽管其核心非常不同，但它可能会取代 Tensorflow 和 PyTorch 之类的产品。

正如我的一位朋友所说，我们有各种各样的王牌、国王和皇后。现在我们有了 JAX。

在本文中，我们将探讨什么是 JAX，以及为什么应该使用它而不是其他所有库。我们将使用捕捉 JAX 功能的代码片段来阐明我们的观点，并介绍一些值得了解的功能。

如果这听起来很有趣，那就加入吧。

什么是 Jax？

Jax 是一个专为高性能 ML 研究而设计的 Python 库。Jax 只不过是一个数值计算库，就像 Numpy 一样，但有一些关键的改进。它由 Google 开发，并由 Google 和 Deepmind 团队内部使用。

来源：JAX 文档

来源：JAX 文档 JAX 文档

安装 JAX

在我们讨论 JAX 的主要优势之前，我建议您在 Python 环境或 Google colab 中安装 JAX，以便您可以自行跟进并运行代码。当然，我会在文章末尾留下完整代码的链接。

要安装 JAX，我们可以简单地从命令行使用 pip：

pip

$ pip install --upgrade jax jaxlib

$ pip install --upgrade jax jaxlib

$ pip install - - upgrade jax jaxlib

请注意，这将支持仅在 CPU 上执行。如果您还想支持 GPU，则首先需要 CUDA 和 cuDNN，然后运行以下命令（确保将 jaxlib 版本与您的 CUDA 版本映射）：

CUDA cuDNN

$ pip install --upgrade jax jaxlib==0.1.61+cuda110 -f https://storage.googleapis.com/jax-releases/jax_releases.html

$ pip install --upgrade jax jaxlib==0.1.61+cuda110 -f https://storage.googleapis.com/jax-releases/jax_releases.html

$ pip install - - upgrade jax jaxlib == 0.1 .61 + cuda110 - f https : // storage . googleapis . com / jax - releases / jax_releases . html

如需进行故障排除，请查看官方 Github 说明。

Github 说明 import . x