Утилиты для сохранения и восстановления состояния моделей JAX, например весов и состояния оптимизатора.
google-research/kauldron
Модульная масштабируемая библиотека для обучения моделей машинного обучения на JAX/Flax, созданная для быстрых исследовательских итераций.
- Звёзды
- 358
- Форки
- 36
- Открытые issues
- 83
- Последний коммит
- 17 часов назад
Что это?
Kauldron — библиотека Python для обучения моделей машинного обучения, разработанная с упором на скорость исследований и модульность. Её компоненты автономны и могут использоваться независимо от фреймворка, поэтому команды могут сочетать их со своими конвейерами обработки данных, моделями Flax и оптимизаторами.
Библиотека связывает наборы данных, такие как TFDS, Grain и SeqIO, любые модели Flax и любые оптимизаторы. Конфигурации можно настраивать и переопределять, например, чтобы перебирать архитектуры моделей или менять параметры внутренних слоёв. Примеры конфигураций, такие как автоэнкодер для MNIST, служат отправной точкой.
Библиотека рассчитана на рабочий процесс с приоритетом Colab для быстрого прототипирования. Среди встроенных возможностей — интеграция с инструментами построения графиков, профилировщик, отладка после сбоя и проверка форм тензоров во время выполнения.
Ключевые возможности
- 01Работает с TFDS, Grain, SeqIO и пользовательскими конвейерами обработки данных.
- 02Поддерживает любые модели Flax и любые оптимизаторы.
- 03Конфигурации можно перебирать и переопределять на любом уровне вложенности.
- 04Компоненты можно использовать отдельно, вне фреймворка.
- 05Включает профилировщик и проверку форм тензоров во время выполнения.
Сценарии использования
- Прототипирование новых архитектур моделей в блокнотах Colab.
- Запуск перебора гиперпараметров или архитектур для исследований в области машинного обучения.
- Обучение моделей Flax на пользовательских наборах данных с использованием стандартизированной конфигурации.
Что важно знать
- В README указано, что продукт не поддерживается Google официально.
- В README нет инструкций по установке или запуску.
Темы
Частые вопросы
- Что такое kauldron?
- Модульная масштабируемая библиотека для обучения моделей машинного обучения на JAX/Flax, созданная для быстрых исследовательских итераций. Kauldron — библиотека Python для обучения моделей машинного обучения, разработанная с упором на скорость исследований и модульность. Её компоненты автономны и могут использоваться независимо от фреймворка, поэтому команды могут сочетать их со своими конвейерами обработки данных, моделями Flax и оптимизаторами.
- kauldron можно использовать бесплатно? Какая у него лицензия?
- kauldron распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- kauldron всё ещё поддерживается?
- Активно поддерживается. Последний коммит в kauldron — 6 нояб. 2026 г..
- Для чего можно использовать kauldron?
- Прототипирование новых архитектур моделей в блокнотах Colab. Запуск перебора гиперпараметров или архитектур для исследований в области машинного обучения. Обучение моделей Flax на пользовательских наборах данных с использованием стандартизированной конфигурации.
- Где скачать kauldron?
- Исходный код и инструкции по установке — на GitHub: https://github.com/google-research/kauldron
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Код на JAX/Flax и предобученные чекпойнты моделей Vision Transformer (ViT) и MLP-Mixer для классификации изображений из статей Google Research.
Keras 3 — фреймворк для глубокого обучения, работающий на JAX, TensorFlow, PyTorch или OpenVINO для инференса.
Библиотека Python для преобразования кода машинного обучения между фреймворками, включая PyTorch, TensorFlow, JAX и NumPy, с помощью ivy.transpile.
Библиотека нейронных сетей для JAX, ориентированная на гибкость и предлагающая API Flax NNX для создания, просмотра и отладки моделей.
Устанавливаемый через pip набор библиотек JAX с проверенными совместимыми версиями Flax, Optax, Orbax, Chex и Grain для ИИ и численных вычислений.