빠른 연구 반복을 위해 설계된, JAX/Flax 머신러닝 모델 학습용 모듈형 확장 가능 라이브러리입니다.
google/orbax
JAX 모델 가중치와 옵티마이저 상태 등의 저장 및 복원을 위한 체크포인팅·영속성 유틸리티입니다.
- 스타
- 541
- 포크
- 109
- 열린 이슈
- 452
- 마지막 커밋
- 어제
어떤 프로젝트인가요?
Orbax는 JAX 사용자를 위한 범용 체크포인팅 및 영속성 유틸리티를 제공하는 Python 라이브러리입니다. 모델 가중치나 옵티마이저 상태 같은 pytree 상태를 저장하고 복원하므로, 학습 코드에서 자체 직렬화 로직을 구현할 필요가 없습니다.
이 라이브러리는 비동기 체크포인팅, 표준 및 사용자 정의 타입, 유연한 저장 형식을 지원합니다. API는 다양한 프레임워크의 요구에 맞게 커스터마이즈하고 조합할 수 있도록 설계되었습니다. 프로젝트는 체크포인팅용(orbax-checkpoint)과 내보내기용(orbax-export) 패키지로 나뉘어 PyPI에 배포됩니다.
Flax, MaxText, T5X, Tunix 등 여러 JAX 프레임워크에서 체크포인팅에 Orbax를 사용합니다.
핵심 기능
- 01간단한 save/load API로 JAX pytree 상태를 저장하고 복원합니다.
- 02비동기 체크포인팅을 지원합니다.
- 03유연한 저장 형식으로 표준 및 사용자 정의 타입을 처리합니다.
- 04체크포인팅용과 내보내기용 패키지를 PyPI에서 별도로 제공합니다.
활용 사례
- JAX 학습 중 모델 가중치와 옵티마이저 상태를 저장합니다.
- 이전 체크포인트에서 학습 작업을 복원합니다.
- 조합 가능한 구성 요소를 사용해 JAX 기반의 사용자 정의 체크포인팅 워크플로를 구축합니다.
빠른 시작
- 1
PyPI에서 체크포인팅 패키지를 설치합니다
pip install orbax-checkpoint - 2
README의 빠른 시작 코드로 JAX pytree를 저장하고 복원합니다
사용 전 알아둘 점
- JAX가 필요하므로 이미 JAX 모델을 사용하고 있는 경우에만 유용합니다.
토픽
자주 묻는 질문
- orbax은(는) 무엇인가요?
- JAX 모델 가중치와 옵티마이저 상태 등의 저장 및 복원을 위한 체크포인팅·영속성 유틸리티입니다. Orbax는 JAX 사용자를 위한 범용 체크포인팅 및 영속성 유틸리티를 제공하는 Python 라이브러리입니다. 모델 가중치나 옵티마이저 상태 같은 pytree 상태를 저장하고 복원하므로, 학습 코드에서 자체 직렬화 로직을 구현할 필요가 없습니다.
- orbax은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- orbax은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- orbax은(는) 아직 유지보수되고 있나요?
- 활발히 유지보수 중. orbax의 마지막 커밋은 2026년 11월 6일입니다.
- orbax은(는) 어디에 사용할 수 있나요?
- JAX 학습 중 모델 가중치와 옵티마이저 상태를 저장합니다. 이전 체크포인트에서 학습 작업을 복원합니다. 조합 가능한 구성 요소를 사용해 JAX 기반의 사용자 정의 체크포인팅 워크플로를 구축합니다.
- orbax는 어떻게 설치하나요?
- PyPI에서 체크포인팅 패키지를 설치합니다: pip install orbax-checkpoint README의 빠른 시작 코드로 JAX pytree를 저장하고 복원합니다
- orbax은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/google/orbax
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
Google Research 논문의 Vision Transformer(ViT) 및 MLP-Mixer 이미지 분류 모델을 위한 JAX/Flax 코드와 사전 학습 체크포인트입니다.
Keras 3는 JAX, TensorFlow, PyTorch에서 실행되고 추론에는 OpenVINO도 사용할 수 있는 딥러닝 프레임워크입니다.
ivy.transpile을 통해 PyTorch, TensorFlow, JAX, NumPy 등 프레임워크 간 머신러닝 코드를 변환하는 Python 라이브러리입니다.
유연성에 중점을 둔 JAX용 신경망 라이브러리로, 모델을 만들고 살펴보고 디버깅할 수 있는 Flax NNX API를 제공합니다.
JAX 기반 수치 미분방정식 솔버로, 자동 미분과 GPU 실행을 지원하며 ODE, SDE, CDE를 처리합니다.