본문으로 건너뛰기
ToolPotion
AI 어드바이저
제출 (무료)

Shumai

Shumai는 Bun과 Flashlight로 구축된 JavaScript 및 TypeScript용 고속 미분 가능 텐서 라이브러리입니다. 이를 통해 소프트웨어 엔지니어와 연구원은 JavaScript 생태계 내에서 효율적으로 데이터셋을 생성하고, 소규모 모델을 학습시키며, 고급 학습 로직을 구현할 수 있습니다. 성능을 위해 네이티브 타입 배열과 JIT 컴파일러를 활용합니다.

저장소 보기
공유
저장소 보기
공유

Shumai는 JavaScript 및 TypeScript를 위해 설계된 미분 가능 텐서 라이브러리로, Bun의 속도와 Flashlight의 강력한 기능을 활용합니다. JavaScript 생태계 내 개발자들에게 데이터 조작, 모델 학습 및 고급 추론 로직을 더욱 접근 가능하고 효율적으로 만드는 것을 목표로 합니다. 네이티브 타입 배열과 Bun의 Just-In-Time(JIT) 컴파일러를 활용하여 Shumai는 데이터셋 생성부터 소규모 머신러닝 모델 학습에 이르기까지 다양한 작업에 대해 성능이 뛰어난 솔루션을 제공합니다.

더 읽기

이 라이브러리는 핵심 텐서 연산, 기울기 계산을 위한 자동 미분, JavaScript 네이티브 배열과의 원활한 변환 기능을 제공합니다. 이를 통해 개발자는 JavaScript에서 직접 데이터를 작업하고, GPU 호환 배열을 위해 준비한 다음, 환경을 벗어나지 않고 모델을 학습시킬 수 있습니다. Shumai의 아키텍처는 오버헤드를 최소화하도록 구축되어, 특히 소규모 모델의 경우 학습 및 추론 중에 JavaScript가 방해가 되지 않도록 합니다.

주요 기능에는 표준 배열 유틸리티, 텐서 생성, 수학 연산 및 기울기 추적이 포함됩니다. 사용자는 텐서에 대한 기울기 계산을 활성화하고, 연산을 수행한 다음, 계산된 기울기에 액세스할 수 있습니다. 이 라이브러리는 또한 메모리 관리 튜닝 기능을 제공하여 사용자가 하드웨어 기능에 따라 성능을 최적화하기 위해 가비지 컬렉션 매개변수를 조정할 수 있도록 합니다. 또한 Shumai에는 콘솔 또는 HTTP를 통해 연산 성능을 기록할 수 있는 통계 수집 시스템이 포함되어 있으며, 범위 지정 프로파일링 및 스택 추적 수집 옵션도 제공됩니다.

Shumai는 JavaScript 생태계 내에서 이미 작업 중이며 다른 언어나 프레임워크와 관련된 가파른 학습 곡선 없이 머신러닝 기능을 통합하려는 소프트웨어 엔지니어 및 연구원에게 특히 유용합니다. 성능 벤치마크는 TensorFlow.js와 같은 라이브러리에 비해 다양한 연산에서 상당한 이점을 보여주며, 특히 Apple M1 Pro 및 Nvidia GPU에서 그렇습니다. 이 프로젝트는 실험적인 상태이며, 기능 및 안정성 향상을 위한 기여를 환영합니다.

  • 카테고리머신러닝 플랫폼
  • 요금제오픈소스
  • 배포클라우드
  • 플랫폼웹

  • JavaScript 및 TypeScript용 고속 미분 가능 텐서 라이브러리

  • 고성능을 위해 Bun 및 Flashlight로 구축됨

  • 기울기 계산을 위한 자동 미분 지원

  • 텐서와 JavaScript 네이티브 배열 간의 원활한 변환

  • 소규모 모델 학습 및 고급 추론 로직에 최적화됨

  • 네이티브 타입 배열 및 JIT 컴파일 활용

  • 성능 최적화를 위한 메모리 사용량 튜닝

  • 연산 프로파일링을 위한 내장 통계 수집

  • 격리된 프로파일링을 위한 범위 지정 통계 수집

  • 활발한 개발 중인 실험적 소프트웨어

  • ArrayFire 백엔드를 통한 GPU 컴퓨팅 지원 (Linux의 CUDA, macOS의 CPU)

  • 콘솔 및 HTTP 옵션을 통한 확장 가능한 통계 로깅

  1. Bun 및 ArrayFire 설치: macOS 및 Linux에 대한 플랫폼별 지침을 따르세요.

  2. Shumai 설치: `bun install @shumai/shumai`를 실행하세요.

  3. Shumai 가져오기: TypeScript/JavaScript 코드에서 `import * as sm from '@shumai/shumai'`를 사용하세요.

  4. 텐서 생성: `sm.randn()` 또는 `sm.tensor()`와 같은 함수를 사용하여 텐서를 생성하세요.

  5. 연산 수행: `matmul()`, `mul()`, `sum()`과 같은 수학 연산을 적용하세요.

  6. 기울기 활성화: 기울기 추적이 필요한 텐서에 대해 `tensor.requires_grad = true`를 설정하세요.

  7. 기울기 계산: 손실 텐서에서 `.backward()`를 호출하여 기울기를 채우세요.

  8. 메모리 튜닝: 성능을 위해 `util.memoryOptions()`를 사용하여 메모리 옵션을 조정하세요.

  • 데이터셋 생성
  • 모델 학습
  • 추론 로직
  • 데이터 전처리
  • 연구 프로토타이핑
  • 애플리케이션 개발

Shumai와(과) 비슷한 인기 AI 도구

TensorFlow

AI GitHub 저장소

TensorFlow는 모든 사용자를 위해 설계된 오픈 소스 머신 러닝 프레임워크입니다. 머신 러닝 모델을 구축하고 배포하기 위한 포괄적인 생태계를 제공하여 개발자와 연구자 모두가 접근할 수 있도록 합니다.

머신러닝 플랫폼
도구 보기

AI GitHub 저장소

모든 사용자를 위해 설계된 오픈 소스 머신 러닝 프레임워크입니다. 머신 러닝 모델을 구축하고 배포하기 위한 포괄적인 생태계를 제공하여 개발자와 연구자 모두가 접근할 수 있도록 합니다.TensorFlow는 모든 사용자를 위해 설계된 오픈 소스 머신 러닝 프레임워크입니다. 머신 러닝 모델을 구축하고 배포하기 위한 포괄적인 생태계를 제공하여 개발자와 연구자 모두가 접근할 수 있도록 합니다.

추천머신러닝 플랫폼
AI GitHub 저장소 TOP 250 보기

텐서플로우

AI 프레임워크

텐서플로우는 모든 사용자를 위해 설계된 엔드 투 엔드 오픈 소스 머신 러닝 플랫폼입니다. 머신 러닝 모델을 쉽게 생성하고 배포할 수 있도록 도와주는 유연한 도구, 라이브러리 및 커뮤니티 리소스의 생태계를 제공합니다.

머신러닝 플랫폼
도구 보기

AI 프레임워크

모든 사용자를 위해 설계된 엔드 투 엔드 오픈 소스 머신 러닝 플랫폼입니다. 머신 러닝 모델을 쉽게 생성하고 배포할 수 있도록 도와주는 유연한 도구, 라이브러리 및 커뮤니티 리소스의 생태계를 제공합니다.텐서플로우는 모든 사용자를 위해 설계된 엔드 투 엔드 오픈 소스 머신 러닝 플랫폼입니다. 머신 러닝 모델을 쉽게 생성하고 배포할 수 있도록 도와주는 유연한 도구, 라이브러리 및 커뮤니티 리소스의 생태계를 제공합니다.

추천머신러닝 플랫폼
AI 프레임워크 TOP 50 보기

Keras

AI GitHub 저장소

Keras는 인간을 위해 설계된 오픈 소스 딥 러닝 라이브러리입니다. 신경망 구축 과정을 단순화하고 개발자가 GitHub에서 개발에 기여할 수 있도록 합니다.

머신러닝 플랫폼
도구 보기

AI GitHub 저장소

인간을 위해 설계된 오픈 소스 딥 러닝 라이브러리입니다. 신경망 구축 과정을 단순화하고 개발자가 GitHub에서 개발에 기여할 수 있도록 합니다.Keras는 인간을 위해 설계된 오픈 소스 딥 러닝 라이브러리입니다. 신경망 구축 과정을 단순화하고 개발자가 GitHub에서 개발에 기여할 수 있도록 합니다.

추천머신러닝 플랫폼
AI GitHub 저장소 TOP 250 보기

nanoGPT

AI GitHub 저장소

nanoGPT는 중간 규모의 GPT 모델을 훈련하고 미세 조정하기 위한 미니멀하고 고성능인 GitHub 저장소입니다. 연구원과 개발자가 GPT 아키텍처를 실험하고, GPT-2 결과를 재현하며, 사용자 정의 언어 모델을 구축할 수 있는 간단하고 읽기 쉬운 코드베이스를 제공합니다.

AI 모델 및 LLM
도구 보기

AI GitHub 저장소

중간 규모의 GPT 모델을 훈련하고 미세 조정하기 위한 미니멀하고 고성능인 GitHub 저장소입니다. 연구원과 개발자가 GPT 아키텍처를 실험하고, GPT-2 결과를 재현하며, 사용자 정의 언어 모델을 구축할 수 있는 간단하고 읽기 쉬운 코드베이스를 제공합니다.nanoGPT는 중간 규모의 GPT 모델을 훈련하고 미세 조정하기 위한 미니멀하고 고성능인 GitHub 저장소입니다. 연구원과 개발자가 GPT 아키텍처를 실험하고, GPT-2 결과를 재현하며, 사용자 정의 언어 모델을 구축할 수 있는 간단하고 읽기 쉬운 코드베이스를 제공합니다.

추천AI 모델 및 LLM
AI GitHub 저장소 TOP 250 보기

Hugging Face Transformers

AI GitHub 저장소

🤗 Transformers는 텍스트, 비전, 오디오 및 다중 모달 도메인에서 최첨단 기계 학습 모델을 위한 모델 정의 프레임워크로, 추론 및 훈련 프로세스를 모두 용이하게 합니다.

머신러닝 플랫폼
도구 보기

AI GitHub 저장소

🤗 Transformers는 텍스트, 비전, 오디오 및 다중 모달 도메인에서 최첨단 기계 학습 모델을 위한 모델 정의 프레임워크로, 추론 및 훈련 프로세스를 모두 용이하게 합니다.

추천머신러닝 플랫폼
AI GitHub 저장소 TOP 250 보기

PyTorch

AI GitHub 저장소

PyTorch는 강력한 GPU 가속을 활용하여 효율적인 계산을 지원하는 동적 신경망 구축을 위한 도구를 제공하는 오픈 소스 머신 러닝 라이브러리입니다.

머신러닝 및 데이터 사이언스
도구 보기

AI GitHub 저장소

강력한 GPU 가속을 활용하여 효율적인 계산을 지원하는 동적 신경망 구축을 위한 도구를 제공하는 오픈 소스 머신 러닝 라이브러리입니다.PyTorch는 강력한 GPU 가속을 활용하여 효율적인 계산을 지원하는 동적 신경망 구축을 위한 도구를 제공하는 오픈 소스 머신 러닝 라이브러리입니다.

추천머신러닝 및 데이터 사이언스
AI GitHub 저장소 TOP 250 보기

LocalAI

AI GitHub 저장소

LocalAI는 사용자가 GPU 없이 모든 하드웨어에서 LLM, 비전, 음성, 이미지 및 비디오를 포함한 다양한 모델을 실행할 수 있도록 하는 오픈 소스 AI 엔진입니다. 이러한 유연성 덕분에 다양한 애플리케이션에 접근할 수 있습니다.

머신러닝 플랫폼

AI GitHub 저장소 44위

도구 보기

AI GitHub 저장소

사용자가 GPU 없이 모든 하드웨어에서 LLM, 비전, 음성, 이미지 및 비디오를 포함한 다양한 모델을 실행할 수 있도록 하는 오픈 소스 AI 엔진입니다. 이러한 유연성 덕분에 다양한 애플리케이션에 접근할 수 있습니다.LocalAI는 사용자가 GPU 없이 모든 하드웨어에서 LLM, 비전, 음성, 이미지 및 비디오를 포함한 다양한 모델을 실행할 수 있도록 하는 오픈 소스 AI 엔진입니다. 이러한 유연성 덕분에 다양한 애플리케이션에 접근할 수 있습니다.

추천머신러닝 플랫폼
AI GitHub 저장소 44위

Deep Java Library (DJL)

AI 프레임워크

DJL은 Java용 엔진 독립적인 딥러닝 프레임워크입니다. Java를 사용하여 머신러닝 모델을 구축, 학습 및 배포하는 과정을 단순화합니다. DJL은 다양한 딥러닝 엔진을 지원하며 개발자를 위한 광범위한 문서와 예제를 제공합니다.

머신러닝 플랫폼

AI 프레임워크 41위

도구 보기

AI 프레임워크

DJL은 Java용 엔진 독립적인 딥러닝 프레임워크입니다. Java를 사용하여 머신러닝 모델을 구축, 학습 및 배포하는 과정을 단순화합니다. DJL은 다양한 딥러닝 엔진을 지원하며 개발자를 위한 광범위한 문서와 예제를 제공합니다.

머신러닝 플랫폼
AI 프레임워크 41위
1/8