Machine Learning

Neue Python-Bibliothek für Deep Learning

Deep Learning mit JAXnet – besser als PyTorch oder TensorFlow 2.0?
Keine Kommentare

JAXnet ist eine neue Python-Bibliothek für Deep Learning. Sie soll gegenüber beliebten Machine-Learning-Bibliotheken wie PyTorch einige Vorteile bieten und befindet sich noch in einem frühen Entwicklungsstadium.

Das neue Projekt JAXnet ist eine Deep-Learning-Bibliothek, die von Entwickler Julius Kunze auf GitHub Open Source gestellt wurde und Vorteile gegenüber etablierten Bibliotheken bieten soll. Sie basiert auf Googles inoffiziellem Projekt JAX – übrigens nicht mit unserer Schwesterseite JAXenter.de verwandt oder verschwägert.

Die Features von JAXnet

JAXnet verfügt über ein funktionales API, das Vorteile gegenüber der ML-Bibliothek TensorFlow 2.0, die sich derzeit noch in Entwicklung befindet, sowie PyTorch und Keras bieten soll. Nutzerfreundlichkeit, Modularität und Skalierbarkeit sollen dabei gewahrt werden. Zu den Vorteilen soll zum Beispiel eine höhere Robustheit durch Immutable Weights zählen. Im Gegensatz zu TensorFlow 2.0 und Keras hat die neue Deep-Learning-Bibliothek keinen Global-Compute-Graphen.

Für verschiedene Anwendungsbereiche, darunter MNIST-Zahlenerkennung, stehen für die neue Bibliothek Demos im Browser zur Verfügung. Erhältlich ist sie via PyPI in der aktuellsten Version 0.2.1.

Alle weiteren Informationen zur neuen Python-Bibliothek bietet JAXnet-Entwickler Julius Kunze im GitHub Repository.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu:
X
- Gib Deinen Standort ein -
- or -