Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как найти NaN в JAX-нейросети через debug_nans
Локальная диагностика NaN в eager и jit: контекст jax.debug_nans, FloatingPointError, безопасная функция и запрет маскировки проблемы nan_to_num.
Как ограничить обратный градиент через jax.custom_vjp
Пользовательский reverse-mode в JAX 0.11.2: identity forward, residuals, clipped cotangent и точная проверка градиента.
Как остановить динамический цикл через jax.lax.while_loop
Динамическая сходимость в JAX 0.11.2: cond_fun, body_fun, carry `(iteration,value)`, защитный лимит и ограничение reverse-mode.
Как остановить градиент через jax.lax.stop_gradient
JAX 0.11.2: stop_gradient сохраняет forward value, исключает ветвь из autodiff и проверяется аналитическим gradient.
Как печатать значения внутри jax.jit через jax.debug.print
Runtime-диагностика compiled JAX: debug.print с format placeholders, ordered=True, block_until_ready и проверка вывода `mean=2.00`.
Как переиспользовать линеаризацию через jax.linearize
Одна linearization point и несколько tangent-векторов в JAX 0.11.2: сравнение linearize с отдельными jvp.
Как посчитать gradient для каждого примера через jax.vmap и grad
Per-example gradients без Python-loop в JAX 0.11.2: vmap(grad), PyTree batch-axis и проверка среднего против batch loss.
Как посчитать матрицу Гессе через jax.hessian
Матрица вторых производных scalar loss в JAX 0.11.2: jax.hessian, симметрия, аналитический эталон и ограничения памяти.
Как посчитать направленную производную нейросети через jax.jvp
JAX 0.11.2: Jacobian-vector product без построения полной матрицы Якоби, ручной эталон, формы primals и tangents.
Как посчитать vector-Jacobian product через jax.vjp
Reverse-mode в JAX 0.11.2: pullback из jax.vjp, cotangent выхода, проверка cᵀJ и отличие от JVP.
Как повторить фиксированные шаги обучения через jax.lax.fori_loop
Пять функциональных обновлений параметра через lax.fori_loop в JAX 0.11.2 и проверка против Python-loop.
Как проверить gradient конечными разностями через jax.test_util.check_grads
JAX 0.11.2: автоматическая проверка first- и second-order производных в fwd/rev режимах с float64 и допусками.
Как проверить устройства и backend JAX перед запуском нейросети
Диагностика JAX 0.11.2: default_backend, devices, platform, размещение массива и проверка вычисления без ошибочного ожидания GPU.
Как сделать условную ветку под jit через jax.lax.cond
Динамическая scalar-ветка в JAX 0.11.2: lax.cond, одинаковые output contracts, две фактически проверенные ветви под jit.
Как сократить память backprop через jax.checkpoint
Gradient checkpointing в JAX 0.11.2: rematerialization, обмен памяти на вычисления и проверка равенства output и gradients.
Как включить float64 в JAX через enable_x64
Контекстный X64-режим JAX 0.11.2: jax.enable_x64, фактическая проверка dtype, численная точность и границы CPU/GPU.
Как выбрать jacfwd или jacrev для матрицы Якоби в JAX
Сравнение forward- и reverse-mode Jacobian в JAX 0.11.2: одинаковый результат, формы, критерий выбора по входам и выходам.
Как выполнить последовательность шагов нейросети через jax.lax.scan
JAX 0.11.2: перенос carry по последовательности через lax.scan, stacked outputs, неизменная структура состояния и точный тест.
Как взять gradient по weights и bias через jax.grad argnums
JAX 0.11.2: argnums=(0,1), tuple производных weights и bias, формы и аналитическая проверка MSE.
Как задать straight-through gradient через jax.custom_jvp
Проверяемый surrogate gradient для round в JAX 0.11.2: custom_jvp, отдельные primal и tangent, forward 2 и производная 1.