Fugu-MT 論文翻訳(概要): JaxDecompiler: Redefining Gradient-Informed Software Design

論文の概要: JaxDecompiler: Redefining Gradient-Informed Software Design

arxiv url: http://arxiv.org/abs/2403.10571v1
Date: Thu, 14 Mar 2024 20:32:31 GMT
ステータス: 処理完了
システム内更新日: 2024-03-19 22:55:17.980708
Title: JaxDecompiler: Redefining Gradient-Informed Software Design
Title（参考訳）: JaxDecompiler: グラディエントなインフォームドソフトウェア設計の再定義
Authors: Pierrick Pochelu,
Abstract要約: JaxDecompilerは、任意のJAX関数を編集可能なPythonコードに変換するツールである。この記事では、JAX関数を編集可能なPythonコードに変換するツールであるJaxDecompilerを紹介します。
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: Among numerical libraries capable of computing gradient descent optimization, JAX stands out by offering more features, accelerated by an intermediate representation known as Jaxpr language. However, editing the Jaxpr code is not directly possible. This article introduces JaxDecompiler, a tool that transforms any JAX function into an editable Python code, especially useful for editing the JAX function generated by the gradient function. JaxDecompiler simplifies the processes of reverse engineering, understanding, customizing, and interoperability of software developed by JAX. We highlight its capabilities, emphasize its practical applications especially in deep learning and more generally gradient-informed software, and demonstrate that the decompiled code speed performance is similar to the original.
Abstract（参考訳）: 勾配勾配の最適化を計算できる数値ライブラリの中で、JAXは、Jaxpr言語として知られる中間表現によって加速される、より多くの機能を提供することで際立っている。しかし、Jaxprのコードを直接編集することは不可能である。本稿では、JAX関数を編集可能なPythonコードに変換するツールであるJaxDecompilerを紹介します。 JaxDecompilerは、JAXによって開発されたソフトウェアのリバースエンジニアリング、理解、カスタマイズ、相互運用性のプロセスを単純化します。我々は、その能力を強調し、特にディープラーニングやより一般的に勾配インフォームドソフトウェアにおいて実践的な応用を強調し、非コンパイルコードの速度性能が元のものと似ていることを実証する。

関連論文リスト

NExT: Teaching Large Language Models to Reason about Code Execution [50.93581376646064]
大規模言語モデル(LLM)のコードは通常、プログラムの表面テキスト形式に基づいて訓練される。 NExTは,プログラムの実行トレースを検査し,実行時の動作を判断する手法である。
論文参考訳（メタデータ） (2024-04-23T01:46:32Z)
JaxUED: A simple and useable UED library in Jax [1.5821811088000381]
本稿では,最新のUnsupervised Environment Design (UED) アルゴリズムの依存性を最小限に抑えるオープンソースライブラリであるJaxUEDを紹介する。 cleanRLにインスパイアされた我々は、高速で、明確で、理解しやすく、容易に変更可能な実装を提供し、UEDの研究を加速することを目的としている。
論文参考訳（メタデータ） (2024-03-19T18:40:50Z)
JAXbind: Bind any function to JAX [0.0]
JAXbindは、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やすいPythonインターフェースを提供する。 JAXbindは、ユーザがカスタムのデリバティブとルールでJAX関数エンジンをインターフェースすることができ、カスタムのプリミティブに対してすべてのJAX変換を可能にする。
論文参考訳（メタデータ） (2024-03-13T16:50:04Z)
DrJAX: Scalable and Differentiable MapReduce Primitives in JAX [9.676195490442367]
DrJAXは大規模分散および並列機械学習アルゴリズムをサポートするように設計されたライブラリである。 DrJAXはMapReduce計算のビルディングブロックをJAXのプリミティブとして組み込みます。 DrJAX計算はXLA HLOに直接変換することができ、幅広いMLトレーニングプラットフォームとの柔軟な統合を可能にする。
論文参考訳（メタデータ） (2024-03-11T19:51:01Z)
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 and Algorithms in JAX [105.343918678781]
我々は、GPU対応の効率と多くの一般的なMARL環境のサポートを組み合わせた、最初のオープンソースPythonベースのライブラリであるJaxMARLを紹介します。我々の実験は、壁時計時間の観点から、JAXベースのトレーニングパイプラインが既存のアプローチの約14倍高速であることを示している。また、人気の高いStarCraft Multi-Agent ChallengeのJAXベースの近似的な再実装である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)
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)
A modular software framework for the design and implementation of ptychography algorithms [55.41644538483948]
我々は,Pychographyデータセットをシミュレートし,最先端の再構築アルゴリズムをテストすることを目的とした,新しいptychographyソフトウェアフレームワークであるSciComを紹介する。その単純さにもかかわらず、ソフトウェアはPyTorchインターフェースによる高速化処理を利用する。結果は合成データと実データの両方で示される。
論文参考訳（メタデータ） (2022-05-06T16:32:37Z)
ReACC: A Retrieval-Augmented Code Completion Framework [53.49707123661763]
本稿では,語彙のコピーと類似したセマンティクスを持つコード参照の両方を検索により活用する検索拡張コード補完フレームワークを提案する。我々は,Python および Java プログラミング言語のコード補完タスクにおけるアプローチを評価し,CodeXGLUE ベンチマークで最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2022-03-15T08:25:08Z)
Extending C++ for Heterogeneous Quantum-Classical Computing [56.782064931823015]
qcorはC++とコンパイラの実装の言語拡張で、異種量子古典プログラミング、コンパイル、単一ソースコンテキストでの実行を可能にする。我々の研究は、量子言語で高レベルな量子カーネル(関数)を表現できる、第一種C++コンパイラを提供する。
論文参考訳（メタデータ） (2020-10-08T12:49:07Z)
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。