汎用データ・分析⭐ リポ 34品質スコア 55/100

JAX

機械学習と数学解析でJAXを利用するための必須ツールです。コア概念、変換機能、ML特有の機能、制御フロー、並列処理といった要素をカバーしており、これらを組み合わせることで、高性能な計算パイプラインを構築できます。

description の原文を見る

Essential tools for using JAX in machine learning and mathematical analysis, covering core concepts, transformations, ML specifics, control flow, and parallelism.

SKILL.md 本文

注意: このスキルのライセンスは ライセンス未確認 です。本サイトでは本文プレビューのみを表示しています。利用前に GitHub の原本でライセンス条件をご確認ください。

JAX スキル

JAX は Autograd と XLA を統合したもので、高性能な機械学習研究向けです。

目次

概念と理論
- イミュータビリティ
- 4つの変換
- Pytree
コード例
- jit、grad、vmap、random の使用法
- 制御フロー（scan、cond、fori_loop）
- 並列処理（sharding）

一般的なワークフロー

1. 新しいモデルの開発

パラメータを Pytree（辞書/データクラス）として定義します。
フォワードパス関数（純粋関数）を定義します。
損失関数を定義します。
jax.value_and_grad を使用して勾配を取得します。
jax.jit を使用して更新ステップを高速化します。
スニペットについては examples.md をご覧ください。

2. 形状/NaN のデバッグ

JIT を無効化します：jax.config.update("jax_disable_jit", True) で標準的な Python ツールを使用してデバッグできます。
JI

...

全文を GitHub の原本で見る →リポジトリ

詳細情報

作者: diegosouzapw
リポジトリ: diegosouzapw/awesome-omni-skill
ライセンス: 不明
最終更新: 2026/3/2

GitHubで原本を見る →フィードバックを送る

Source: https://github.com/diegosouzapw/awesome-omni-skill / ライセンス: 未指定