Sakhanda Wire
NVDA $152.58 -2.28% MSFT $506.11 -2.29% GOOGL $279.81 -1.38% META $619.07 -1.17% AMZN $256.55 -0.47%
← До новин

Посібник демонструє модульний робочий процес Kauldron

Посібник розглядає Kauldron — бібліотеку для навчання на JAX від Google Research, створену для швидшого проведення досліджень і модульності. Приклади працюють із синтетичними даними в пам’яті на CPU, без завантаження набору даних і без використання прискорювача.

Konfig подає експеримент як дерево звичайних словників. Конфігурації можна змінювати, серіалізувати в JSON і перетворювати на робочі об’єкти, зокрема оптимізатори optax. Посилання на кшталт cfg.ref.num_train_steps дають змогу залежним параметрам враховувати наступні зміни, а не зберігати застаріле значення.

Kontext поєднує компоненти за допомогою рядкових шляхів до ключів. Метрика може отримувати виходи моделі та цільові значення, не імпортуючи модель, а зміна одного шляху перенаправляє її входи. Засоби перевірки типів під час виконання контролюють іменовані виміри масивів у різних аргументах і називають вимір, який не збігається. Далі посібник створює власні функцію втрат і метрику, запускає kd.train Trainer на синтетичних даних, відстежує внутрішній шар без редагування моделі, проводить перебір п’яти варіантів конфігурації та відновлює навчання з checkpoint. Також описано патч сумісності для протестованих версій JAX і etils.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини