5 resultados
12 DE AGOSTO DE 2025 / Kaggle
Crea y entrena un modelo GPT2 desde cero usando JAX en las TPU de Google, con un notebook completo de Python para Colab o Kaggle de nivel gratuito. Aprende a definir una malla de hardware, parámetros del modelo de partición y datos de entrada para el paralelismo de datos, y a optimizar el proceso de entrenamiento de modelos.
29 DE JULIO DE 2025 / AI
El recorrido de Max presenta LQRax, un solucionador de LQR nativo de JAX, el cual es un ejemplo del creciente ecosistema de robótica de JAX que incluye herramientas como Brax, MJX y JaxSim, destacando los beneficios de JAX para la eficiencia computacional en control y simulación óptimos, y para integrar a la perfección enfoques basados en modelos y en el aprendizaje.
16 DE JULIO DE 2025 / Cloud
El proyecto Marin tiene como objetivo ampliar la definición de "abierto" en IA para incluir todo el proceso científico, no solo el modelo en sí, haciendo que el proceso de desarrollo completo sea accesible y reproducible. Esta iniciativa, impulsada por el framework JAX y su herramienta Levanter, permite realizar un profundo escrutinio, confiar y compilar sobre modelos básicos, fomentando un futuro más transparente para la investigación en IA.
24 DE JUNIO DE 2025 / Kaggle
KerasHub permite a los usuarios mezclar y combinar arquitecturas y pesos de modelos en diferentes marcos de trabajo de aprendizaje automático, de modo que los puntos de control de fuentes como Hugging Face Hub (incluidos los creados con PyTorch) se puedan cargar en los modelos de Keras para usar con JAX, PyTorch o TensorFlow. Gracias a esta flexibilidad, puedes aprovechar una amplia gama de modelos ajustados por los miembros de la comunidad, al tiempo que mantienes un control total sobre el marco de trabajo de backend elegido.
13 DE MAYO DE 2025 / TensorFlow
Keras Recommenders (KerasRS) es una nueva biblioteca que se creó con el objetivo de ayudar a los desarrolladores a crear sistemas de recomendación utilizando APIs con elementos fundamentales para clasificación y recuperación, y se puede instalar mediante pip con compatibilidad con backends de JAX, TensorFlow o PyTorch.
