In the age of the 'big ones' (TensorFlow, PyTorch, ...), introducing and studying a new machine learning library might seem counterproductive. Yet JAX, a brand new research project by Google, has several features that make it interesting to a large audience. Firstly, it looks like a NumPy wrapper, making the transition from this library almost immediate. Secondly, it makes efficiency one of its strengths, thanks to the transparent use of XLA, a linear algebra accelerator originall…
Nell'era dei 'giganti' (TensorFlow, PyTorch, ...), introdurre e studiare una nuova libreria di machine learning potrebbe sembrare controproducente. Eppure JAX, un nuovissimo progetto di ricerca targato Google, ha diverse caratteristiche che lo rendono di interesse ad un vasto pubblico. In primo luogo, si presenta come un vero e proprio wrapper di NumPy, rendendo la transizione da quest'ultima libreria quasi immediata. In secondo luogo, fa dell'efficienza uno dei suoi punti di forza…
Per chi è appassionato di deep learning, uno dei problemi principali (paradossalmente) è diventato districarsi nell'enormità di software disponibili. Fra le alternative più comuni troviamo sicuramente TensorFlow, rilasciato in open-source da Google nel 2015, e PyTorch, rilasciato poco più di un anno dopo da Facebook.
A prima vista, entrambi i framework sono molto simili, dando la possibilità di sviluppare modelli enormemente complessi automatizzandone la fase…
Per chi osserva la rapida crescita dell'intelligenza artificiale, ed in particolar modo del deep learning, la domanda da un milione di euro (letteralmente) è una sola: quali saranno le prossime applicazioni?