وب سایت تخصصی شرکت فرین
دسته بندی دوره ها

Learning JAX

سرفصل های دوره

In this course, instructor Janani Ravi gives you an in-depth look at JAX, a new experimental Python library designed for high performance, scientific computing and machine learning. Janani takes you through all aspects of JAX and what it is capable of, including: just-in-time compilation; automatic vectorization and automatic parallelization; computing gradients; performing transformations on pytrees; training simple neural networks; and more.


01 - Introduction
  • 01 - Prerequisites
  • 02 - What is JAX
  • 03 - Why use JAX
  • 04 - Choosing JAX
  • 05 - JAX vs. TensorFlow vs. PyTorch
  • 06 - Getting set up with Colab

  • 02 - 1. Working with JAX Arrays
  • 01 - JAX arrays
  • 02 - JAX arrays and NumPy arrays Similarities
  • 03 - JAX arrays and NumPy arrays Differences
  • 04 - Asynchronous dispatch and JAX array speed up

  • 03 - 2. Just-in-Time Compilation
  • 01 - Composable function transformations
  • 02 - JIT and pure functions
  • 03 - Using JIT
  • 04 - Tracer objects in JIT
  • 05 - Impure functions and JIT IO streams
  • 06 - Impure functions and JIT Global state
  • 07 - Impure functions and JIT Iterators
  • 08 - Jaxprs
  • 09 - Control flow statements and JIT
  • 10 - Static arguments in jitted functions
  • 11 - Lambdas and JIT

  • 04 - 3. Automatic Vectorization and Automatic Parallelization
  • 01 - Understanding vectorization and parallelization
  • 02 - Automatic vectorization
  • 03 - Comparing naive and manual batching with automatic vectorization

  • 05 - 4. Computing Gradients
  • 01 - Understanding gradient computation
  • 02 - Gradient computation
  • 03 - Higher order gradients
  • 04 - Jacobians and Hessians

  • 06 - 5. Performing Transformations on pytrees
  • 01 - Understanding pytrees
  • 02 - Simple pytrees
  • 03 - Operations on pytrees
  • 04 - Pytree containers
  • 05 - Custom containers as pytrees

  • 07 - 6. Training Simple Neural Networks
  • 01 - Regression using a single neuron Loading and preprocessing data
  • 02 - Regression using a single neuron Helper functions
  • 03 - Regression using a single neuron Training and evaluating a model
  • 04 - Regression using a neural network Helper functions
  • 05 - Regression using a neural network Training a model and visualizing results
  • 06 - Classification using neural network Loading and preprocessing data
  • 07 - Classification using neural network Training and evaluating model

  • 08 - Conclusion
  • 01 - Summary and next steps
  • 139,000 تومان
    بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
    خرید دانلودی فوری

    در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

    ایمیل شما:
    تولید کننده:
    مدرس:
    شناسه: 1623
    حجم: 268 مگابایت
    مدت زمان: 144 دقیقه
    تاریخ انتشار: 27 دی 1401
    طراحی سایت و خدمات سئو

    139,000 تومان
    افزودن به سبد خرید