返回资讯中心
外部精选
软件工程
#开发者实时流

JAX 入门示例教程发布,含 notebook 与源码讲解

来源标题:Jax Examples for Beginners (Dive into ML Fundamentals)

一份面向初学者的 JAX 示例教程发布,通过 notebook 和带解释的源码帮助读者上手 JAX。内容涵盖 jax.numpy、jax.grad、jax.jit、jax.vmap 等核心变换,以及线性回归、逻辑回归、K-Means、随机森林等基础模型实现。

Hacker News 最新aymericdamien2026/11/13 · 4 天前14 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

本教程旨在通过示例让你轻松上手 JAX。为便于阅读,其中同时包含 notebook 和带讲解的源代码。

它适合希望找到关于 JAX 的清晰简洁示例的初学者。除了“原生”的 JAX 实现(jax.numpy、jax.grad、jax.jit、jax.vmap 等),你还能找到 JAX 生态中最常用的库:

0 - 前置知识 机器学习简介(notebook)。 MNIST 数据集简介(notebook)。 1 - 入门 基本操作(notebook)(code)。一个涵盖 JAX 基本操作的简单示例。 JAX 变换(notebook)(code)。开始使用 JAX 的核心变换:grad(自动微分)、jit(编译)和 vmap(向量化)。 2 - 基础模型 线性回归(notebook)(code)。用 JAX 实现线性回归。 逻辑回归(notebook)(code)。用 JAX 实现逻辑回归。 最近邻(notebook)(code)。用 JAX 实现最近邻算法。 K-Means(notebook)(code)。用 JAX 构建 K-Means 分类器。 随机森林(notebook)(code)。用 JAX 构建随机森林分类器。 GBDT(梯度提升决策树)(notebook)(code)。用 JAX 实现梯度提升决策树,使用 Boston Housing 数据集预测房价。 Word2Vec(词嵌入)(notebook)(code)。用 JAX 基于 Wikipedia 数据构建词嵌入模型(Word2Vec)。 3 - 神经网络 监督学习 简单神经网络(notebook)(code)。使用 Flax 的“layers”和“model” API 构建一个简单神经网络,对 MNIST 数字数据集进行分类。 简单神经网络(底层实现)(notebook)(code)。原生实现一个简单神经网络,对 MNIST 数字数据集进行分类。 卷积神经网络(notebook)(code)。使用 Flax 的“layers”和“model” API 构建一个卷积神经网络,对 MNIST 数字数据集进行分类。 卷积神经网络(底层实现)(notebook)(code)。原生实现一个卷积神经网络,对 MNIST 数字数据集进行分类。 循环神经网络(LSTM)(notebook)(code)。使用 Flax 的“layers”和“model” API 构建一个循环神经网络(LSTM),对 MNIST 数字数据集进行分类。 双向循环神经网络(LSTM)(notebook)(code)。使用 Flax 的“layers”和“model” API 构建一个双向循环神经网络(LSTM),对 MNIST 数字数据集进行分类。 动态循环神经网络(LSTM)(notebook)(code)。使用 Flax 的“layers”和“model” API 构建一个执行动态计算的循环神经网络(LSTM),对变长序列进行分类。 无监督学习 自编码器(notebook)(code)。构建一个自编码器,将图像编码到更低维度并重建。 变分自编码器(notebook)(code)。构建一个变分自编码器(VAE),从噪声中编码并生成图像。 GAN(生成对抗网络)(notebook)(code)。构建一个生成对抗网络(GAN),从噪声中生成图像。 DCGAN(深度卷积生成对抗网络)(notebook)(code)。构建一个深度卷积生成对抗网络(DCGAN),从噪声中生成图像。 4 - 实用工具 保存与恢复模型(notebook)(code)。使用 Orbax 在 JAX 中保存和恢复模型。 构建自定义层与模块(notebook)(code)。学习如何构建你自己的层/模块并将它们集成到 Flax 模型中。 Tensorboard(notebook)(code)。使用 TensorBoard 跟踪并可视化神经网络计算图、指标、权重等。 5 - 数据管理 加载与解析数据(notebook)(code)。使用 Grain 构建高效的数据流水线(Numpy 数组、图像、CSV 文件、自定义数据等)。 构建图像数据集(notebook)(code)。从图像文件夹构建你自己的图像数据集,并在其上训练模型。 构建与加载 ArrayRecords(notebook)(code)。将数据转换为 ArrayRecord 格式(Grain 的记录格式)并加载它们。 图像变换(即图像增强)(notebook)(code)。使用 JAX 应用各种图像增强技术,生成用于训练的变形图像。 6 - 硬件 多设备基础(notebook)(code)。一个简单示例,介绍如何在 JAX 中使用多设备(GPU、TPU)进行计算。 多设备训练(notebook)(code)。在 CIFAR-10 数据集上使用多设备(GPU、TPU)训练卷积神经网络。 数据集 部分示例需要 MNIST 数据集进行训练和测试。不必担心,运行示例时该数据集会自动下载(借助小型辅助文件 common/datasets.py,文件会缓存在 data/ 文件夹中)。 MNIST 是一个手写数字数据库,关于该数据集的简要说明,可以查看这个 notebook。 官方网站:http://yann.lecun.com/exdb/mnist/。 要下载所有示例,只需克隆此仓库: git clone https://github.com/aymericdamien/JAX-Examples 要运行它们,你还需要 JAX 及其生态中的一些库。安装方法: pip install -r requirements.txt 或(支持 NVIDIA GPU): pip install -r requirements.txt "jax[cuda13]" 对于较旧的 NVIDIA GPU 或驱动(例如 V100 GPU,或早于 580 的驱动),请改用 "jax[cuda12]"。 有关 JAX 安装(GPU、TPU 等)的更多细节,可以查看 JAX 安装指南。 这是 TensorFlow-Examples 的 JAX 版本。每个示例都遵循相同的结构,因此你也可以并排对比两者。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →