لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری JAX
Learning JAX
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، مربی جانانی راوی به شما نگاهی عمیق به JAX میدهد، یک کتابخانه آزمایشی جدید پایتون که برای کارایی بالا، محاسبات علمی و یادگیری ماشین طراحی شده است. جانانی شما را از تمام جنبه های JAX و توانایی های آن می برد، از جمله: کامپایل به موقع. بردارسازی خودکار و موازی سازی خودکار؛ شیب محاسباتی؛ انجام دگرگونی ها بر روی pytrees. آموزش شبکه های عصبی ساده و بیشتر.
سرفصل ها و درس ها
مقدمه
Introduction
پیش نیازها
Prerequisites
JAX چیست؟
What is JAX?
چرا از JAX استفاده کنیم؟
Why use JAX?
انتخاب JAX
Choosing JAX
JAX در مقابل TensorFlow در مقابل PyTorch
JAX vs. TensorFlow vs. PyTorch
راه اندازی با Colab
Getting set up with Colab
امتحان فصل
Chapter Quiz
1. کار با آرایه های JAX
1. Working with JAX Arrays
آرایه های JAX
JAX arrays
آرایه های JAX و آرایه های NumPy: شباهت ها
JAX arrays and NumPy arrays: Similarities
آرایه های JAX و آرایه های NumPy: تفاوت ها
JAX arrays and NumPy arrays: Differences
سرعت ارسال ناهمزمان و آرایه JAX افزایش می یابد
Asynchronous dispatch and JAX array speed up
امتحان فصل
Chapter Quiz
2. تالیف Just-in-Time
2. Just-in-Time Compilation
تبدیل تابع قابل ترکیب
Composable function transformations
JIT و توابع خالص
JIT and pure functions
با استفاده از JIT
Using JIT
اشیاء ردیاب در JIT
Tracer objects in JIT
توابع ناخالص و JIT: جریان های ورودی/خروجی
Impure functions and JIT: I/O streams
توابع ناخالص و JIT: حالت جهانی
Impure functions and JIT: Global state
توابع ناخالص و JIT: تکرار کننده ها
Impure functions and JIT: Iterators
Jaxprs
Jaxprs
کنترل بیانیه های جریان و JIT
Control flow statements and JIT
آرگومان های ایستا در توابع جیت شده
Static arguments in jitted functions
Lambdas و JIT
Lambdas and JIT
امتحان فصل
Chapter Quiz
3. بردارسازی خودکار و موازی سازی خودکار
3. Automatic Vectorization and Automatic Parallelization
درک برداری و موازی سازی
Understanding vectorization and parallelization
بردارسازی خودکار
Automatic vectorization
مقایسه دسته بندی ساده و دستی با برداری خودکار
Comparing naive and manual batching with automatic vectorization
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات