Flax
PulseAugur coverage of Flax — every cluster mentioning Flax across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Google Research 的 Kauldron：用于模块化的 JAX 训练库
本教程提供了 Google Research 的 Kauldron 指南，这是一个专为研究速度和模块化设计的 JAX 训练库。它详细介绍了 Kauldron 的核心机制：konfig 用于将实验转换为 JSON 可序列化字典，kontext 用于通过字符串路径连接组件以避免直接导入，以及一个带有命名轴的运行时形状检查器。该指南演示了如何实现自定义损失和指标，在没有加速器的情况下对合成数据进行模型训练，以及运行实验扫描。
-
新的JAX框架vidax优化了Cloud TPUs的视频生成
研究人员开发了vidax，一个使用JAX和Flax构建的新开源框架，旨在优化Cloud TPU Pod上的视频生成模型。该引擎包含一个用于PyTorch权重的零拷贝转换器，能够高效地推理各种时空模型（如Diffusion Transformers和3D VAEs），而无需在执行期间依赖PyTorch。Vidax统一了张量和序列并行，集成了TPU特定内核，并实现了权重卸载以处理高分辨率，同时提供了TPU v4-8硬件的基准测试。
-
JAX3D 支持分层 NeRF，实现高级三维渲染和重建
研究人员开发了一种使用 JAX 和 jax3d 库创建分层神经辐射场（NeRF）的方法。该方法支持体积渲染、新视角合成和三维重建。本教程详细介绍了构建合成数据集、实现带有位置编码和分层采样的 NeRF，以及使用 JAX 的 JIT 编译和 Adam 优化进行训练的过程。结果通过 PSNR 等指标以及深度、不透明度和提取几何形状的视觉输出来评估。
-
Hugging Face Transformers 教程更新至 v5，放弃 TensorFlow/Flax 支持
AssemblyAI 已更新其流行的 Hugging Face Transformers 教程，以反映自 2022 年以来该库的重大变化。新教程侧重于 Transformers v5，该版本已放弃对 TensorFlow 和 Flax 的支持，现在仅支持 PyTorch。关键更新包括安装程序的更改、使用 'text-classification' 等规范任务名称而非别名，以及模型加载和保存方法的调整。pipeline 的核心概念——结…
-
Gemma-3 通过 GRPO 和 LoRA 增强数学推理能力
本教程详细介绍了如何训练 Gemma-3 模型，利用 GSM8K 数据集来提高其结构化数学推理能力。该过程包括使用 Tunix、JAX 和 LoRA 适配器等工具设置环境，然后应用具有自定义奖励函数的 Grouped-Sampled Policy Optimization (GRPO)。训练侧重于仅优化适配器权重，使工作流程足够高效，可在单个加速器上运行。
-
Google 发布 JAX-Privacy 1.0，支持可扩展的差分隐私机器学习
Google 发布了 JAX-Privacy 1.0，这是一个旨在促进大规模差分隐私机器学习的库。JAX-Privacy 构建在 JAX 高性能计算库之上，提供了用于实现和审计深度学习模型私有训练算法的工具。新版本旨在将最先进的差分隐私方法与 JAX 的可扩展架构相集成，从而简化其集成过程，并解决将隐私保证应用于大型数据集和复杂模型所面临的挑战。