谷歌開源TensorFlow的簡化庫JAX

　　JAX 結合了 Autograd 和 XLA，專門用于高性能機器學習研究。

　　憑借 Autograd，JAX 可以求導循環、分支、遞歸和閉包函數，并且它可以進行三階求導。通過 grad，它支持自動模式反向求導(反向傳播)和正向求導，且二者可以任何順序任意組合。

　　得力于 XLA，可以在 GPU 和 TPU 上編譯和運行 NumPy 程序。默認情況下，編譯發生在底層，庫調用實時編譯和執行。但是 JAX 還允許使用單一函數 API jit 將 Python 函數及時編譯為 XLA 優化的內核。編譯和自動求導可以任意組合，因此可以在 Python 環境下實現復雜的算法并獲得最大的性能。

　　更深入地看，JAX 實際上是一個可擴展的可組合函數轉換系統，grad 和 jit 都是這種轉換的實例。
　　（邯鄲網站建設）