JAX(Autodiff)
今天,我们将研究另一个重要概念自动微分。我们已经在TensorFlow
中看到了自动微分。自动微分的想法在所有框架中都非常相似,但IMO JAX
比所有框架都做得更好。
今天,我们将研究另一个重要概念自动微分。我们已经在TensorFlow
中看到了自动微分。自动微分的想法在所有框架中都非常相似,但IMO JAX
比所有框架都做得更好。
如果我了解TensorFlow/Torch
,为什么还要去学习JAX
?尽管有n
个理由,但我将介绍JAX
中的一个概念,足以说服您尝试一下。我们将研究自动矢量化。我们接下来将讨论两种转换,即vmap
和pmap
。
JAX
是一个高性能机器学习库。JAX
在加速器(例如GPU
和TPU
)上编译并运行NumPy
代码。您可以使用JAX
(以及为JAX
构建的神经网络库FLAX
)来构建和训练深度学习模型。
JAX
是一个高性能机器学习库。JAX
在加速器(例如GPU
和TPU
)上编译并运行NumPy
代码。您可以使用JAX
(以及为JAX
构建的神经网络库FLAX
)来构建和训练深度学习模型。
游戏环境配备了已经为您实现的代理。要查看这些默认代理的列表,请运行:
1 | from kaggle_environments import make, evaluate |
例如,我可能想要一个可以判断照片是在城市地区还是农村地区拍摄的模型,但我的原始模型不会将图像分为这两个特定类别。我可以为此特定目的从头开始构建一个新模型。但为了获得好的结果,我需要数千张带有城市和乡村标签的照片。一种称为迁移学习的方法可以用更少的数据给出良好的结果。迁移学习利用模型在解决一个问题时学到的知识(称为预训练模型,因为该模型已经在不同的数据集上进行了训练),并将其应用于新的应用程序中。