Flux (фреймворк машинного обучения)

Поток
Оригинальный автор(ы)	Майкл Дж. Иннес, Дайрия Ганди, и участники
Стабильная версия	0.14.5 / 7 сентября 2023 г .; 8 месяцев назад
Репозиторий	github .с /FluxML /Флюс .jl
Написано в	Юлия
Тип	машинного обучения Библиотека
Лицензия	С
Веб-сайт	https://fluxml.ai

Flux — это с открытым исходным кодом, машинного обучения программная библиотека и экосистема написанная на Julia . ^[1]^[6] Текущая стабильная версия — v0.14.5. ^[4] . Он имеет интерфейс на основе стека слоев для более простых моделей и имеет сильную поддержку взаимодействия с другими пакетами Julia вместо монолитной конструкции. ^[7] Например, поддержка графического процессора прозрачно реализована в CuArrays.jl. ^[8] Это контрастирует с некоторыми другими платформами машинного обучения, которые реализованы на других языках с привязками Julia, такими как TensorFlow.jl (неофициальная оболочка, которая сейчас устарела), и, таким образом, более ограничены функциональностью, присутствующей в базовой реализации, которая часто на C или C++. ^[9] Flux присоединился к NumFOCUS в качестве дочернего проекта в декабре 2021 года. ^[10]

Акцент Flux на совместимости позволил, например, обеспечить поддержку нейронных дифференциальных уравнений путем объединения Flux.jl и DifferentialEquations.jl в DiffEqFlux.jl. ^[11]^[12]

Flux поддерживает рекуррентные и сверточные сети. Он также способен к дифференцируемому программированию. ^[13]^[14]^[15] между источниками через пакет автоматической дифференциации Zygote.jl. ^[16]

Julia — популярный язык в машинном обучении ^[17] а Flux.jl — наиболее уважаемый репозиторий машинного обучения. ^[17](Lux.jl — еще один, более поздний вариант, в котором много общего с Flux.jl). Демонстрация ^[18] Google Компиляция кода Julia для работы в тензорном процессоре (TPU) получила похвалу от руководителя Google Brain AI Джеффа Дина . ^[19]

Flux использовался в качестве основы для создания нейронных сетей, которые работают с гомоморфно зашифрованными данными, даже не расшифровывая их. ^[20]^[21] Предполагается, что такого рода приложения будут играть центральную роль в обеспечении конфиденциальности будущего API с использованием моделей машинного обучения. ^[22]

Flux.jl — это промежуточное представление для запуска программ высокого уровня на CUDA . оборудовании ^[23]^[24] Это был предшественник CUDAnative.jl, который также является языком программирования графических процессоров . ^[25]

См. также [ править ]

Ссылки [ править ]

^ Перейти обратно: ^а ^б Иннес, Майкл (3 мая 2018 г.). «Flux: Элегантное машинное обучение с Джулией» . Журнал программного обеспечения с открытым исходным кодом . 3 (25): 602. Бибкод : 2018JOSS....3..602I . дои : 10.21105/joss.00602 .
^ Дайрия Ганди , GitHub, 27 июня 2021 г. , получено 27 июня 2021 г.
^ Участники Flux , GitHub, 27 июня 2021 г. , получено 27 июня 2021 г.
^ Перейти обратно: ^а ^б «Флюс v0.14.5» . 7 сентября 2023 г. Проверено 10 сентября 2023 г.
^ «github.com/FluxML/Flux.jl/blob/master/LICENSE.md» . Гитхаб . 6 ноября 2021 г.
^ Иннес, Майк; Брэдбери, Джеймс; Фишер, Кено; Ганди, Дайрия; Мария Джой, Ниту; Кармали, Теджан; Келли, Мэтт; Пал, Авик; Кончетто Рудилоссо, Марко; Саба, Эллиот; Шах, Вирал; Юрет, Дениз. «Создание языка и компилятора для машинного обучения» . julialang.org . Проверено 2 июня 2019 г.
^ «Машинное обучение и искусственный интеллект» . juliacomputing.com . Архивировано из оригинала 2 июня 2019 г. Проверено 2 июня 2019 г.
^ Ганди, Дайрия (15 ноября 2018 г.). «Юлия из NeurIPS и будущее инструментов машинного обучения» . juliacomputing.com . Архивировано из оригинала 2 июня 2019 г. Проверено 2 июня 2019 г.
^ Мальмо, Джонатан; Уайт, Линдон (01 ноября 2018 г.). «TensorFlow.jl: идиоматический интерфейс Julia для TensorFlow» . Журнал программного обеспечения с открытым исходным кодом . 3 (31): 1002. Бибкод : 2018JOSS....3.1002M . дои : 10.21105/joss.01002 .
^ «Поток <3 NumFOCUS» . fluxml.ai . Архивировано из оригинала 01 декабря 2021 г. Проверено 12 января 2021 г.
^ Ракаукас, Крис; Иннес, Майк; Ма, Инбо; Бетанкур, Джесси; Уайт, Линдон; Диксит, Вайбхав (06 февраля 2019 г.). «DiffEqFlux.jl — библиотека Джулии для нейронных дифференциальных уравнений». arXiv : 1902.02376 [ cs.LG ].
^ Шлотауэр, Сара (25 января 2019 г.). «Машинное обучение и математика: решайте дифференциальные уравнения с помощью новой библиотеки Julia» . JAXenter . Проверено 21 октября 2019 г.
^ «Поток – обучение с подкреплением против дифференцируемого программирования» . fluxml.ai . Архивировано из оригинала 27 марта 2019 г. Проверено 2 июня 2019 г.
^ «Flux – что такое дифференцируемое программирование?» . fluxml.ai . Архивировано из оригинала 27 марта 2019 г. Проверено 2 июня 2019 г.
^ Хит, Ник (6 декабря 2018 г.). «Джулия против Python: какой язык программирования будет править машинным обучением в 2019 году?» . Техреспублика . Проверено 3 июня 2019 г.
^ Иннес, Майкл (18 октября 2018 г.). «Не развертывайте Adjoint: дифференциация программ SSA-формы». arXiv : 1810.07951 [ cs.PL ].
^ Перейти обратно: ^а ^б Хит, Ник (25 января 2019 г.). «GitHub: 10 лучших языков программирования для машинного обучения» . Техреспублика . Проверено 3 июня 2019 г.
^ Саба, Эллиот; Фишер, Кено (23 октября 2018 г.). «Автоматическая полная компиляция программ Julia и моделей машинного обучения в облачные TPU». arXiv : 1810.09868 [ cs.PL ].
^ Дин, Джефф [@JeffDean] (24 октября 2018 г.). «Джулия + TPU = быстрые и легко выражаемые вычисления ML» ( Твит ) . Проверено 2 июня 2019 г. - через Twitter .
^ Патравала, Фатема (28 ноября 2019 г.). «Исследовательская группа Julia Computing запускает модель машинного обучения на зашифрованных данных без их расшифровки» . Пакетный хаб . Проверено 11 декабря 2019 г.
^ «Машинное обучение на зашифрованных данных без их расшифровки» . juliacomputing.com . 2019-11-22. Архивировано из оригинала 3 декабря 2019 г. Проверено 11 декабря 2019 г.
^ Ядав, Рохит (2 декабря 2019 г.). «Julia Computing использует гомоморфное шифрование для машинного обучения. Это путь вперед?» . Журнал Analytics India . Проверено 11 декабря 2019 г.
^ Рош, Джаред и Любомирски, Стивен и Кирисаме, Мариса и Поллок, Джош и Вебер, Логан и Цзян, Цзыхэн и Чен, Тяньци и Моро, Тьерри и Тэтлок, Закари (2019). «Relay: IR высокого уровня для глубокого обучения». arXiv : 1904.08368 [ cs.LG ]. {{cite arXiv}}: CS1 maint: несколько имен: список авторов ( ссылка )
^ Тим Безар, Кристоф Фокет и Бьорн Де Саттер (2019). «Эффективное расширяемое программирование: использование Джулии на графических процессорах». Транзакции IEEE в параллельных и распределенных системах . 30 (4). Институт инженеров по электротехнике и электронике (IEEE): 827–841. arXiv : 1712.03112 . дои : 10.1109/tpds.2018.2872064 . S2CID 11827394 .
^ Безард, Тим (2018). Абстракции для программирования графических процессоров на языках программирования высокого уровня (доктор философии). Гентский университет.

[JOSS-1] Перейти обратно: ^а ^б Иннес, Майкл (3 мая 2018 г.). «Flux: Элегантное машинное обучение с Джулией» . Журнал программного обеспечения с открытым исходным кодом . 3 (25): 602. Бибкод : 2018JOSS....3..602I . дои : 10.21105/joss.00602 .

[2] Дайрия Ганди , GitHub, 27 июня 2021 г. , получено 27 июня 2021 г.

[3] Участники Flux , GitHub, 27 июня 2021 г. , получено 27 июня 2021 г.

[wikidata-0ebaebfef2f67e5addade91e3af55fb6451c9e6a-v11-4] Перейти обратно: ^а ^б «Флюс v0.14.5» . 7 сентября 2023 г. Проверено 10 сентября 2023 г.

[5] «github.com/FluxML/Flux.jl/blob/master/LICENSE.md» . Гитхаб . 6 ноября 2021 г.

[6] Иннес, Майк; Брэдбери, Джеймс; Фишер, Кено; Ганди, Дайрия; Мария Джой, Ниту; Кармали, Теджан; Келли, Мэтт; Пал, Авик; Кончетто Рудилоссо, Марко; Саба, Эллиот; Шах, Вирал; Юрет, Дениз. «Создание языка и компилятора для машинного обучения» . julialang.org . Проверено 2 июня 2019 г.

[7] «Машинное обучение и искусственный интеллект» . juliacomputing.com . Архивировано из оригинала 2 июня 2019 г. Проверено 2 июня 2019 г.

[8] Ганди, Дайрия (15 ноября 2018 г.). «Юлия из NeurIPS и будущее инструментов машинного обучения» . juliacomputing.com . Архивировано из оригинала 2 июня 2019 г. Проверено 2 июня 2019 г.

[9] Мальмо, Джонатан; Уайт, Линдон (01 ноября 2018 г.). «TensorFlow.jl: идиоматический интерфейс Julia для TensorFlow» . Журнал программного обеспечения с открытым исходным кодом . 3 (31): 1002. Бибкод : 2018JOSS....3.1002M . дои : 10.21105/joss.01002 .

[10] «Поток <3 NumFOCUS» . fluxml.ai . Архивировано из оригинала 01 декабря 2021 г. Проверено 12 января 2021 г.

[11] Ракаукас, Крис; Иннес, Майк; Ма, Инбо; Бетанкур, Джесси; Уайт, Линдон; Диксит, Вайбхав (06 февраля 2019 г.). «DiffEqFlux.jl — библиотека Джулии для нейронных дифференциальных уравнений». arXiv : 1902.02376 [ cs.LG ].

[12] Шлотауэр, Сара (25 января 2019 г.). «Машинное обучение и математика: решайте дифференциальные уравнения с помощью новой библиотеки Julia» . JAXenter . Проверено 21 октября 2019 г.

[13] «Поток – обучение с подкреплением против дифференцируемого программирования» . fluxml.ai . Архивировано из оригинала 27 марта 2019 г. Проверено 2 июня 2019 г.

[14] «Flux – что такое дифференцируемое программирование?» . fluxml.ai . Архивировано из оригинала 27 марта 2019 г. Проверено 2 июня 2019 г.

[15] Хит, Ник (6 декабря 2018 г.). «Джулия против Python: какой язык программирования будет править машинным обучением в 2019 году?» . Техреспублика . Проверено 3 июня 2019 г.

[16] Иннес, Майкл (18 октября 2018 г.). «Не развертывайте Adjoint: дифференциация программ SSA-формы». arXiv : 1810.07951 [ cs.PL ].

[:0-17] Перейти обратно: ^а ^б Хит, Ник (25 января 2019 г.). «GitHub: 10 лучших языков программирования для машинного обучения» . Техреспублика . Проверено 3 июня 2019 г.

[18] Саба, Эллиот; Фишер, Кено (23 октября 2018 г.). «Автоматическая полная компиляция программ Julia и моделей машинного обучения в облачные TPU». arXiv : 1810.09868 [ cs.PL ].

[19] Дин, Джефф [@JeffDean] (24 октября 2018 г.). «Джулия + TPU = быстрые и легко выражаемые вычисления ML» ( Твит ) . Проверено 2 июня 2019 г. - через Twitter .

[20] Патравала, Фатема (28 ноября 2019 г.). «Исследовательская группа Julia Computing запускает модель машинного обучения на зашифрованных данных без их расшифровки» . Пакетный хаб . Проверено 11 декабря 2019 г.

[21] «Машинное обучение на зашифрованных данных без их расшифровки» . juliacomputing.com . 2019-11-22. Архивировано из оригинала 3 декабря 2019 г. Проверено 11 декабря 2019 г.

[22] Ядав, Рохит (2 декабря 2019 г.). «Julia Computing использует гомоморфное шифрование для машинного обучения. Это путь вперед?» . Журнал Analytics India . Проверено 11 декабря 2019 г.

[23] Рош, Джаред и Любомирски, Стивен и Кирисаме, Мариса и Поллок, Джош и Вебер, Логан и Цзян, Цзыхэн и Чен, Тяньци и Моро, Тьерри и Тэтлок, Закари (2019). «Relay: IR высокого уровня для глубокого обучения». arXiv : 1904.08368 [ cs.LG ]. {{cite arXiv}}: CS1 maint: несколько имен: список авторов ( ссылка )

[24] Тим Безар, Кристоф Фокет и Бьорн Де Саттер (2019). «Эффективное расширяемое программирование: использование Джулии на графических процессорах». Транзакции IEEE в параллельных и распределенных системах . 30 (4). Институт инженеров по электротехнике и электронике (IEEE): 827–841. arXiv : 1712.03112 . дои : 10.1109/tpds.2018.2872064 . S2CID 11827394 .

[25] Безард, Тим (2018). Абстракции для программирования графических процессоров на языках программирования высокого уровня (доктор философии). Гентский университет.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]