谷歌开源TensorFlow的简化库JAX

　　JAX 结合了 Autograd 和 XLA，专门用于高性能机器学习研究。

　　凭借 Autograd，JAX 可以求导循环、分支、递归和闭包函数，并且它可以进行三阶求导。通过 grad，它支持自动模式反向求导(反向传播)和正向求导，且二者可以任何顺序任意组合。

　　得力于 XLA，可以在 GPU 和 TPU 上编译和运行 NumPy 程序。默认情况下，编译发生在底层，库调用实时编译和执行。但是 JAX 还允许使用单一函数 API jit 将 Python 函数及时编译为 XLA 优化的内核。编译和自动求导可以任意组合，因此可以在 Python 环境下实现复杂的算法并获得最大的性能。

　　更深入地看，JAX 实际上是一个可扩展的可组合函数转换系统，grad 和 jit 都是这种转换的实例。
　　（邯郸网站建设）