5 结果
2025年8月12日 / Kaggle
在 Google TPU 上使用 JAX 从头开始构建和训练 GPT2 模型，并在免费版 Colab 或 Kaggle 中使用完整的 Python 笔记本。了解如何定义硬件网格、如何划分模型参数和输入数据以实现数据并行，以及如何优化模型训练流程。
2025年7月29日 / AI
通过一系列探索历程，Max 研发了 JAX 原生 LQR 求解器 LQRax。这款工具印证了 JAX 机器人生态系统（涵盖 Brax、MJX 和 JaxSim 等工具）的蓬勃发展，并突显了 JAX 的两大优势：在最优控制和模拟中的计算效率优势，以及流畅整合模型驱动型和学习驱动型两类方法的优势。
2025年7月16日 / Cloud
Marin 项目旨在通过使整个开发过程公开且可复现，将 AI 中“开放”的定义扩展至涵盖整个科研过程，而不仅仅局限于模型本身。这项工作由 JAX 框架及其 Levanter 工具提供支持，使得基础模型得以被深入检验、信任，并进一步构建，从而推动 AI 研究迈向更加透明的未来。
2025年6月24日 / Kaggle
KerasHub 使用户能够混合搭配不同机器学习框架的模型架构和权重，支持将来自 Hugging Face Hub 等来源的检查点（包括使用 PyTorch 创建的检查点）加载到 Keras 模型中，并与 JAX、PyTorch 或 TensorFlow 配合使用。这种灵活性意味着，您可以充分利用大量经过社区微调的模型，同时完全掌控您所选择的后端框架。
2025年5月13日 / TensorFlow
Keras Recommenders (KerasRS) 是新推出的库，旨在帮助开发者使用带有排名和检索基本模块的 API 构建推荐系统。该库不仅可以通过 pip 安装，还支持 JAX、TensorFlow 或 PyTorch 后端。
