近日，谷歌開源了一個 TensorFlow 的簡化庫 JAX。
JAX 結合了 Autograd 和 XLA，是專為高性能機器學習研究打造的產品。有了新版本的 Autograd，JAX 能自動對 Python 和 NumPy 的自帶函數求導，支持循環、分支、遞歸、閉包函數求導，而且可以求三階導數。它支持自動模式反向求導（也就是反向傳播）和正向求導，且二者可以任意組合成任何順序。
JAX 最初由谷歌大腦團隊的 Matt Johnson、Roy Frostig、Dougal Maclaurin 和 Chris Leary 發起。在 GitHub 的說明文檔中，作者明確表示：JAX 目前還只是一個研究項目，不是谷歌的官方產品，因此可能會有一些 bug。同一個 GitHub 目錄下的開源項目還包括 8 月份在業內引起熱議的強化學習框架 Dopamine。
信息源：
https://baijiahao.baidu.com/s?id=1619803728499509456&wfr=spider&for=pc
點評
TensorFlow作為目前普及率最高的深度學習框架，深受廣大開發者喜愛，但美中不足的是其使用繁瑣，調試困難。
JAX 則能實現編譯和自動求導的任意組合，因此可以在不脫離 Python 環境的情況下實現複雜算法並獲得最優性能。這降低了TensorFlow的調試難度和開發者的學習成本，有利於AI技術的進一步應用。
分享到:
閱讀更多 甲子光年 的文章
