แจ็กซ์
ผู้เขียนต้นฉบับ	Google
นักพัฒนา	นักพัฒนา Googleและ JAX
เขียนเป็น	Python , C++ , CUDA
ระบบปฏิบัติการ	ลินุกซ์ , มอสซาเรลล่า , วินโดวส์
แพลตฟอร์ม	x86-64 , ARM , GPU , TPU
พิมพ์	การคำนวณเชิงตัวเลข , การเรียนรู้ของเครื่อง
ใบอนุญาต	อะปาเช่ 2.0
เว็บไซต์	jax .dev
ที่เก็บข้อมูล	github.com/jax-ml/jax​​​

JAXเป็นไลบรารีPython สำหรับการคำนวณอาร์เรย์และการแปลงโปรแกรมที่เน้นการเร่งความเร็ว ออกแบบมาสำหรับการคำนวณเชิงตัวเลขประสิทธิภาพสูงและการเรียนรู้ของเครื่องขนาดใหญ่ พัฒนาโดยGoogleโดยมีส่วนร่วมจากNvidiaและผู้มีส่วนร่วมจากชุมชนอื่นๆ^{[ 1 ] [ 2 ] [ 3 ]}

มีการอธิบายว่าเป็นการนำ ระบบ การหาอนุพันธ์อัตโนมัติ autograd ^{[ 4 ]} เวอร์ชันที่ปรับปรุงแล้วมารวม กับXLA (Accelerated Linear Algebra) ของ OpenXLA โดยได้รับการออกแบบให้ปฏิบัติตามโครงสร้างและขั้นตอนการทำงานของNumPy ให้ใกล้เคียงที่สุดเท่าที่จะเป็นไปได้ และทำงาน ร่วมกับเฟรมเวิร์กที่มีอยู่ต่างๆ เช่นTensorFlowและPyTorch ^{[ 5 ] [ 6 ]}คุณสมบัติหลักของ JAX คือ: ^{[ 7 ]}

1. มอบอิน เทอร์เฟซแบบรวมศูนย์ที่คล้ายกับ NumPyสำหรับการคำนวณที่ทำงานบน CPU, GPU หรือ TPU ทั้งในสภาพแวดล้อมภายในเครื่องหรือแบบกระจาย
2. มีระบบคอมไพล์แบบ Just-In-Time (JIT) ในตัว ผ่านOpenXLAซึ่งเป็นระบบนิเวศคอมไพล์เลอร์สำหรับแมชชีนเลิร์นนิงแบบโอเพนซอร์ส
3. การประเมินค่าความชันอย่างมีประสิทธิภาพผ่านการแปลงอนุพันธ์อัตโนมัติ
4. การแปลงข้อมูลเป็นเวกเตอร์โดยอัตโนมัติเพื่อแมปฟังก์ชันกับอาร์เรย์ที่แสดงชุดข้อมูลอินพุตอย่างมีประสิทธิภาพ

• ปอ^{[ 8 ]}
• วันวิษุวัต^{[ 9 ]}
• ออปแท็กซ์^{[ 10 ]}
• ดิฟแฟรกซ์

• นัมปี้
• เทนเซอร์โฟลว์
• ไพทอร์ช
• คูดา
• พีชคณิตเชิงเส้นแบบเร่งรัด
• การเปรียบเทียบซอฟต์แวร์การเรียนรู้ของเครื่อง
• รายชื่อห้องสมุดตัวเลข

• เอกสารประกอบː docs .jax .dev
• คู่มือเริ่มต้นใช้งาน Colab ( Jupyter /iPython) ฉบับย่อ: ` colab.research.google.com / github / google / jax / blob /main /docs /notebooks / thinking_in_jax.ipynb`
• XLA ของTensorFlow ( www.tensorflow.org/xla ) ( Accelerated Linear Algebra)
• ช่อง YouTube TensorFlow "บทนำสู่ JAX: การเร่งงานวิจัยด้านแมชชีนเลิร์นนิง" : www.youtube.com/watch?v=WdTeDXsOSj4
• เอกสารต้นฉบับː mlsys .org /Conferences /doc /2018 /146 .pdf