谷歌JAX深度学习从零开始学

JAX是一个用于高性能数值计算的Python库，专门为深度学习领域的高性能计算而设计。本书详解JAX框架深度学习的相关知识，配套示例源码、PPT课件、数据集和开发环境。 本书共分为13章，内容包括JAX从零开始，一学就会的线性回归、多层感知机与自动微分器，深度学习的理论基础，XLA与JAX一般特性，JAX的高级特性，JAX的一些细节，JAX中的卷积，JAX与TensorFlow的比较与交互，遵循JAX函数基本规则下的自定义函数，JAX中的高级包。最后给出3个实战案例：使用ResNet完成CIFAR100数据集分类，有趣的词嵌入，生成对抗网络（GAN）。 本书适合JAX框架初学者、深度学习初学者以及深度学习从业人员，也适合作为高等院校和培训机构人工智能相关专业的师生教学参考书。

这是一本专注于深度学习领域的Python库JAX的实用教程。该书详细解析了JAX框架深度学习的相关知识，包括JAX框架深度学习环境搭建、多层感知机的实战案例、自动微分器的概念和原理、JAX自动微分与JIT编译、使用vmap函数进行自动向量化映射、JAX与NumPy的异同点、卷积的定义和性质、VGG模型的原理与编写、TensorFlow简介与程序设计、词嵌入的定义和重要性、BP神经网络的概念和原理、利用grad函数计算梯度、JAX函数的基本规则、线性回归模型用于分类、Pytrees定义与结构等。 本书首先介绍了JAX框架深度学习环境搭建，让读者能够快速上手，使用JAX完成一些编程实战，包括构建线性回归以及多层感知机来进行鸢尾花分类。接着，本书深入讲解了多层感知机的实战案例，通过实战让读者更加深入地理解多层感知机的原理和实现方法。 在JAX自动微分与JIT编译方面，本书详细介绍了JAX自动微分的工作原理，并讲解了如何使用JIT编译提高代码的运行效率。同时，本书还讲解了使用vmap函数进行自动向量化映射的方法，进一步提高计算速度。 此外，本书还详细介绍了JAX与NumPy的异同点，卷积