論文の概要: JAXbind: Bind any function to JAX
- arxiv url: http://arxiv.org/abs/2403.08847v1
- Date: Wed, 13 Mar 2024 16:50:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-16 00:41:28.784451
- Title: JAXbind: Bind any function to JAX
- Title(参考訳): JAXbind: どんな関数もJAXに結合する
- Authors: Jakob Roth, Martin Reinecke, Gordian Edenhofer,
- Abstract要約: JAXbindは、カスタム関数をJAXにバインドするために必要な労力を大幅に削減することを目指している。
JAXbindは、任意のJAX変換をサポートするカスタムのいわゆるJAXプリミティブを定義するための、使い易いPythonインターフェースを提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: JAX is widely used in machine learning and scientific computing, the latter of which often relies on existing high-performance code that we would ideally like to incorporate into JAX. Reimplementing the existing code in JAX is often impractical and the existing interface in JAX for binding custom code requires deep knowledge of JAX and its C++ backend. The goal of JAXbind is to drastically reduce the effort required to bind custom functions implemented in other programming languages to JAX. Specifically, JAXbind provides an easy-to-use Python interface for defining custom so-called JAX primitives that support arbitrary JAX transformations.
- Abstract(参考訳): JAXは機械学習や科学計算で広く使われていますが、後者はJAXに組み込むのが理想的な既存の高性能コードに依存しています。
カスタムコードをバインディングするためのJAXの既存のインターフェースは、JAXとそのC++バックエンドに関する深い知識を必要とします。
JAXbindの目標は、他のプログラミング言語で実装されたカスタム関数をJAXに結合するために必要な労力を大幅に削減することである。
具体的には、JAXbindは任意のJAX変換をサポートするカスタムのいわゆるJAXプリミティブを定義するための使い易いPythonインターフェースを提供する。
関連論文リスト
- FAX: Scalable and Differentiable Federated Primitives in JAX [10.758021887982784]
FAX は JAX ベースのライブラリで,大規模分散処理とフェデレーション処理をサポートするように設計されている。
FAXは、データセンターにおけるフェデレーション計算のための、プログラムが容易で、パフォーマンスが高く、スケーラブルなフレームワークを提供する。
論文 参考訳(メタデータ) (2024-03-11T19:51:01Z) - Interfacing Foundation Models' Embeddings [136.93591492633607]
FINDはファウンデーションモデルの埋め込みを調整するための汎用インターフェースである。
これは、同じアーキテクチャと重みの下で、検索、セグメンテーション、textitetc.にまたがる様々なタスクに適用される。
インターリーブされた埋め込み空間を考慮して,COCOデータセットに新たなトレーニングと評価アノテーションを導入したFIND-Benchを導入する。
論文 参考訳(メタデータ) (2023-12-12T18:58:02Z) - Automatic Functional Differentiation in JAX [8.536145202129827]
JAXを高階関数(機能や演算子)を自動的に区別する機能で拡張します。
関数を配列の一般化として表現することにより、JAXの既存のプリミティブシステムを使って高階関数を実装します。
論文 参考訳(メタデータ) (2023-11-30T17:23:40Z) - JaxMARL: Multi-Agent RL Environments in JAX [107.7560737385902]
我々は、使いやすさとGPU有効性を組み合わせた最初のオープンソースコードベースであるJaxMARLを紹介します。
私たちの実験によると、JAXベースのトレーニングパイプラインの実行は、既存のアプローチよりも最大で12500倍高速です。
また、人気のあるStarCraft Multi-Agent Challengeのベクトル化、単純化されたバージョンであるSMAXを紹介し、ベンチマークする。
論文 参考訳(メタデータ) (2023-11-16T18:58:43Z) - Cross-Lingual Transfer with Target Language-Ready Task Adapters [66.5336029324059]
MAD-Xフレームワークの拡張であるBAD-Xは、MAD-Xのモジュラリティを犠牲にして転送を改善する。
我々は、ターゲット言語に適応したタスクアダプタを微調整することで、両方の世界を最大限に活用することを目指している。
論文 参考訳(メタデータ) (2023-06-05T10:46:33Z) - JaxPruner: A concise library for sparsity research [46.153423603424]
JaxPrunerはスパースニューラルネットワーク研究のためのオープンソースライブラリである。
メモリとレイテンシのオーバーヘッドを最小限に抑えながら、一般的なプルーニングとスパーストレーニングアルゴリズムを実装している。
論文 参考訳(メタデータ) (2023-04-27T10:45:30Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳(メタデータ) (2023-04-21T10:00:22Z) - X2T: Training an X-to-Text Typing Interface with Online Learning from
User Feedback [83.95599156217945]
ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。
標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。
このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
論文 参考訳(メタデータ) (2022-03-04T00:07:20Z) - Equinox: neural networks in JAX via callable PyTrees and filtered
transformations [4.264192013842096]
JAXとPyTorchは2つの人気のあるPython自動微分フレームワークである。
JAXは純粋関数と関数型プログラミングに基づいている。
PyTorchは、パラメータ化された関数を定義するためにオブジェクト指向(OO)クラスベースの構文を普及させた。
論文 参考訳(メタデータ) (2021-10-30T14:08:56Z) - WAX-ML: A Python library for machine learning and feedback loops on
streaming data [0.0]
WAX-MLは研究指向のPythonライブラリである。
強力な機械学習アルゴリズムを設計するためのツールを提供する。
JAXを時系列専用のツールで補完しようと努力しています。
論文 参考訳(メタデータ) (2021-06-11T17:42:02Z) - SymJAX: symbolic CPU/GPU/TPU programming [9.868558660605995]
SymJAXは、グラフ入力/出力/更新を単純化し、一般的な機械学習およびディープラーニングアプリケーションのための追加機能を提供するJAXのシンボリックプログラミングバージョンである。
ユーザの視点からは、SymJAXはLasagneのようなディープラーニング機能とともに、高速なグラフ最適化/コンパイルと幅広いハードウェアサポートを備えたLa Theanoエクスペリエンスを提供します。
論文 参考訳(メタデータ) (2020-05-21T13:37:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。