详细内容或原文请订阅后点击阅览
jax：这是Google的Numpy杀手吗？
自动差异化和JIT汇编构成了引人注目的情况。首先出现在数据科学上。
来源:走向数据科学Python中数值计算的拥护者。它功能强大的N维阵列和丰富的功能生态系统使科学家，工程师和数据分析师必不可少。但是，随着计算需求的增长，尤其是在机器学习和大规模科学模拟中，Numpy的CPU结合性质以及缺乏内置自动分化的当前局限性。
机器学习这是Jax希望填补这些空白的地方。 JAX是Google Research旨在克服这些障碍的图书馆，有效地将Numpy功能带入了现代硬件加速器和基于梯度的优化世界。
请注意，JAX库是一个研究项目，而不是官方的Google产品。正如他们的GitHub回购所指示的那样，期望“尖锐的边缘”和潜在的错误。
“锋利的边缘”什么是numpy？
如果您参与了科学python，则可能熟悉Numpy。它提供了核心的ndarray对象，用于有效存储和操纵密集数值数组，以及优化的数学函数库（通常是通过C，C ++或Fortran代码）比纯Python loop更快地在这些阵列上操作。
python这是建立许多科学python生态系统（Scipy，Pandas，Scikit-Learn，Matplotlib）的基石。但是，其主要设计目标是CPU执行，而不是GPU，并且并不固有地支持自动梯度计算。
最后一点至关重要，因为梯度测量了函数的输出如何随其输入而变化，这表明最大的增加或减小方向。此信息对于优化算法至关重要，尤其是在机器学习中，渐变指导调整模型参数以最大程度地减少训练期间的误差。有效地计算梯度使大型语言模型能够从数据中学习复杂的模式。
什么是jax？
jax其主要功能包括
jax.numpy。
jax.grad。
jax.jit。
jax.vmap