Library Search
结果页JAX 基础变换实战：grad, jit, vmap
在 知识库 中找到 8 个匹配结果。
知识库
知识库
8 个 JAX 基础变换实战：grad, jit, vmap # JAX 自动微分 + JIT Hello World
## 目标
体验 JAX 的三大核心变换：`grad`（自动求导）、`jit`（编译加速）、`vmap`（自动向量化）。
## 完整代码
```python
import jax
import jax.numpy as jnp
import time
# ───────── 1. 基础：jax.numpy 与 NumPy 几乎一样… 3% JAX 纯函数式思维与神经网络 # JAX 入门教程：纯函数式思维与神经网络
## 1. JAX 的哲学
JAX 不是另一个 TensorFlow 或 PyTorch。它的核心是**函数变换**：把普通的 Python/NumPy 函数，变换为可微分、可编译、可并行的版本。
```
你的函数 f ──► jax.grad(f) ──► 自动求导
──► jax.jit(f) ──► XL… 3% 02-进阶实战-迁移学习与部署 # PyTorch 进阶实战 —— 迁移学习、混合精度与模型部署
## 本章目标
- 使用预训练模型进行迁移学习（Fine-tuning）
- 掌握混合精度训练（AMP）加速
- 模型导出：TorchScript → ONNX
- 模型量化与推理优化
## 1. 迁移学习（Fine-tuning）
### 1.1 使用 torchvision 预训练模型
```python
import… 3% 02-neural-network-mnist # ============================================================
# 5. 训练循环
# ============================================================
history = {"train_loss": [], "train_acc": [], "test_loss": [], "… 2% 02-functional-api-tf-data ```python
# ============================================================
# 当 model.fit 不够灵活时
# ============================================================
optimizer = tf.keras.optimizers.Adam(learnin… 2% JDY-31 BLE UART透传蓝牙模块 代码例程 /*============================================================
* 函数: JDY_Config
* 功能: 批量配置 JDY-31 参数
*============================================================*/
void JDY_Config(const char *name… 2% 01-从零入门教程 1. 动态计算图相比静态图，性能上有损失吗？PyTorch 2.0 的 `torch.compile` 如何解决？
2. `optimizer.zero_grad()` 如果忘记调用会怎样？
3. `model.train()` 和 `model.eval()` 具体影响了哪些层的行为？
4. 为什么 `CrossEntropyLoss` 的输入不能经过 softmax？ 2% 02-进阶实战-测试-安全-部署 # Django 进阶实战 —— 测试、安全与部署
## 本章目标
- 编写单元测试与集成测试
- 理解 Django 安全机制与最佳实践
- 使用 PostgreSQL + Gunicorn + Nginx 生产部署
- 掌握 Django 性能优化技巧
## 1. 测试体系
### 1.1 单元测试
```python
# blog/tests/test_models.py
from… 2%