Project Icon

evosax

基于JAX的高性能进化策略框架

evosax是基于JAX的进化策略框架,通过XLA编译和自动向量化/并行化技术实现大规模进化策略的高效计算。它支持CMA-ES、OpenAI-ES等多种经典和现代神经进化算法,采用ask-evaluate-tell API设计。evosax兼容JAX的jit、vmap和lax.scan,可扩展至不同硬件加速器。该框架为进化计算研究和应用提供了高性能、灵活的工具。

evojax - 基于JAX的高性能神经进化工具包
EvoJAXGithubJAX开源项目机器学习硬件加速神经进化
EvoJAX是基于JAX库开发的神经进化工具包,支持在多个TPU/GPU上并行运行神经网络。通过在NumPy中实现进化算法、神经网络和任务,并即时编译到加速器上运行,EvoJAX显著提升了神经进化算法的性能。该工具包提供了多个示例,涵盖监督学习、强化学习和生成艺术等领域,展示了如何在几分钟内完成原本需要数小时或数天的进化实验。EvoJAX为研究人员提供了一个高效、灵活的神经进化开发平台。
jax - 高性能科学计算和机器学习的Python加速库
GPU加速GithubJAXXLA开源项目神经网络自动微分
JAX是一个专为高性能数值计算和大规模机器学习设计的Python库。它利用XLA编译器实现加速器导向的数组计算和程序转换,支持自动微分、GPU和TPU加速。JAX提供jit、vmap和pmap等函数转换工具,让研究人员能够方便地表达复杂算法并获得出色性能,同时保持Python的灵活性。
jaxopt - JAX驱动的高性能优化器库
GithubJAXopt优化器可微分开源项目批处理硬件加速
JAXopt是基于JAX的优化器库,提供硬件加速、批处理和可微分的优化算法。支持GPU和TPU,可自动向量化多个优化问题实例,并支持优化解的微分。目前正与Optax合并,处于维护模式。适用于机器学习和科学计算领域的优化任务。
evotorch - 基于PyTorch的高性能进化计算库
EvoTorchGithubPyTorch优化算法开源项目强化学习进化计算
EvoTorch是一个基于PyTorch的开源进化计算框架,支持黑盒优化、强化学习和监督学习等多种优化问题。它实现了PGPE、CMA-ES和遗传算法等多种进化算法,并通过GPU加速和Ray分布式计算提高优化效率。EvoTorch设计简洁易用,适合解决各类复杂优化问题,为研究人员和工程师提供了强大的工具支持。
seqax - JAX序列建模框架简化小型到中型LLM预训练研究
FSDPGithubJAXLLMseqax开源项目性能优化
seqax是基于JAX的序列建模框架,面向小型到中型LLM预训练研究。它以500行简洁代码实现模型、优化器、多主机FSDP和张量并行分区,具备良好扩展性和性能。seqax注重代码可读性和透明度,使数学计算、内存使用和芯片间通信等关键细节清晰可见,便于理解和修改。
optax - JAX生态系统中的高效梯度处理与优化框架
GithubJAXOptax优化器开源项目梯度处理深度学习
Optax是JAX生态系统中的梯度处理和优化框架。它提供了经过严格测试的高效核心组件,支持研究人员灵活组合低级模块以构建自定义优化器。该库强调模块化设计,重视代码可读性和结构化,便于匹配标准优化方程。Optax实现了多种主流优化算法和损失函数,为机器学习研究和快速原型开发提供了有力支持。
learned_optimization - 基于JAX的元学习优化器研究框架
GithubJAXlearned_optimization优化器元学习开源项目机器学习
learned_optimization是一个研究代码库,主要用于学习型优化器的训练、设计、评估和应用。该项目实现了多种优化器和训练算法,包括手工设计的优化器、学习型优化器、元训练任务以及ES、PES和截断反向传播等外部训练方法。项目提供了详细的文档和教程,包括Colab笔记本,方便用户快速入门。learned_optimization适用于元学习和动态系统训练的研究,为相关领域提供了功能丰富的工具。
QDax - 高效加速质量多样性算法的开源框架
GithubJAXQDax并行化开源项目神经进化质量多样性
QDax是一个开源框架,用于加速质量多样性(QD)和神经进化算法。通过利用硬件加速器和大规模并行化,QDax将原本需要数天甚至数周才能在大型CPU集群上完成的QD算法运行时间缩短至几分钟。作为灵活易扩展的研究工具,QDax适用于各类问题设置,支持MAP-Elites、QDPG等多种核心QD算法,并提供多个基准任务实现。该项目由Adaptive & Intelligent Robotics Lab和InstaDeep联合开发维护。
awesome-jax - 自动微分与XLA在高性能机器学习中的应用
GithubJAXXLA编译器加速器开源项目机器学习自动微分
该页面收录了JAX相关的优质库、项目和资源,旨在帮助机器学习研究人员在GPU和TPU等加速器上实现高性能计算。资源涵盖神经网络库、强化学习工具和概率编程等多个领域,并提供了详细的库介绍、学术论文和教程。用户可以找到如Flax、Haiku、Objax等知名库,以及新兴的FedJAX、BRAX等库,适用于机器学习和科研项目中使用JAX进行快速原型开发和高效计算。
purejaxrl - JAX强化学习框架实现千倍性能提升
GithubJaxPureJaxRL并行训练开源项目强化学习性能优化
PureJaxRL是一个端到端JAX强化学习框架,将整个训练流程(包括环境)实现在JAX中。通过JIT编译和避免CPU-GPU数据传输,在GPU上并行运行多个智能体时,性能比PyTorch实现提升1000倍以上。框架支持使用JAX的jit、vmap等功能优化训练流程,实现高效并行训练、快速超参数调优和元进化算法探索。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号