简介
在对PyTorch优化 Python 脚本感到失望后,我开始使用JAX。我的项目涉及两个主要部分:根据原子位置计算描述符,并使用这些描述符作为多个神经网络的输入,以预测粒子系统的总势能和力。虽然神经网络部分足够快,但即使使用TorchScript后,描述符计算(尤其是梯度评估)也无法高效执行。在寻找支持自动微分的 Python 替代框架时,我发现了 JAX。事实证明,它对于构建(物理感知)机器学习模型非常有效,提供了我所需的灵活性和性能。
推荐文章
-
《AnythingLLM教程系列之 05 AnythingLLM 允许您创建嵌入式聊天小部件,可以使用简单的标签轻松集成到任何网站中》 权重1,本地类、AnythingLLM
-
《大模型系统之 01 duckdb-nsql-7B 的 7B 参数文本到 :Text2SQL OpenSource:duckdb-nsql-7B,在本地设置上带有 Ollama 和 LlamaIndex》 权重1,本地类、duckdb-nsql-7B、Text2SQL、Ollama、LlamaIndex