Shumai

Active

Slogan:Schnelle differenzierbare Tensor-Bibliothek für TypeScript und JavaScript mit Bun + Flashlight

Aktualisiert:-

Soziale Medien:

KI-Entwicklertools Forschung & Datenanalyse Open Source Kostenlos Für Entwickler Linux-kompatibel Mac-kompatibel Self-Hosting

Website öffnen

Website besuchen

Was ist Shumai?

Shumai ist eine schnelle, netzwerkfähige, differenzierbare Tensor-Bibliothek für TypeScript und JavaScript, gebaut mit Bun und Flashlight für Softwareentwickler und Forscher. Erstellen Sie Tensoren, führen Sie Matrixoperationen aus, berechnen Sie Gradienten per Autograd und betreiben Sie Modelle über das Netzwerk. Linux nutzt standardmäßig CUDA-GPU; macOS nutzt ArrayFire CPU. MIT Open Source von Meta AI Research.

Verwendung Shumai?

Installieren Sie Bun und ArrayFire (macOS: brew install arrayfire, Ubuntu: apt-Pakete). Führen Sie bun install @shumai/shumai aus. Import mit import * as sm from '@shumai/shumai', Tensoren mit sm.randn() oder sm.tensor() erstellen, .backward() für Gradienten. Netzwerk-Tensor-Beispiele in den Docs auf facebookresearch.github.io/shumai.

Shumai Kernfunktionen

Differenzierbare Tensoren mit Autograd

requires_grad setzen und backward() aufrufen, um Gradienten automatisch zu berechnen. detach() kopiert Tensoren ohne Gradientenverfolgung.

Netzwerkverbundene Tensoren

Modelle mit sm.io.serve_model bereitstellen und Remote-Tensoren per sm.io.remote_model vom Client aufrufen für verteiltes ML.

Bun + Flashlight Backend

Auf Bun-Runtime und Flashlight mit ArrayFire. Linux: CUDA GPU; macOS: ArrayFire CPU. Standard-Ops wie matmul, randn, identity und Loss-Funktionen.

JavaScript-native Arrays

Konvertierung zwischen Float32Array und Tensoren via toFloat32Array() und sm.tensor(). Skalartensoren werden mit toFloat32() zu JavaScript-Zahlen.

Shumai Anwendungsfälle

ML-Experimente in TypeScript prototypen, ohne das JS-Ökosystem zu verlassen

Netzwerk-ML-Dienste mit Remote-Tensor-Aufrufen und serverseitigem Autograd

Forschung in differenzierbarem Programmieren und gradientenbasierter Optimierung in Bun

Shumai Häufig gestellte Fragen

Welche Plattformen werden unterstützt?

macOS und Linux sind offiziell unterstützt. Windows-Nutzer können Docker + WSL2 + Linux nutzen, inklusive CUDA.

Wie installiere ich Shumai?

Bun und ArrayFire installieren, dann bun install @shumai/shumai. macOS: ArrayFire CPU via Homebrew; Linux Ubuntu: CUDA-Backend via apt.

Ist Shumai produktionsreif?

Es ist experimentelle Software. Das README warnt explizit. Bei Install- oder Performance-Problemen bitte Issues auf GitHub melden.

Shumai Produkthintergrund & offizielle Links

Shumai Support-E-Mail & Kundenservice-Kontakt & Rückerstattungskontakt usw.

Mehr Kontakt finden Sie auf der Über uns Seite(https://facebookresearch.github.io/shumai/)

Shumai Unternehmensinfo

Shumai Firmenname: Meta Platforms, Inc.

Shumai Entwicklertyp: company

Mehr über Shumai, Bitte besuchen Sie die Über uns Seite(https://facebookresearch.github.io/shumai/)

Shumai GitHub

Shumai GitHub-Link: https://github.com/facebookresearch/shumai

Shumai Preise & Tarife

Open Source

Kostenlos

MIT-Lizenz
Kostenlose Nutzung, Änderung und Verteilung
Kein Abo oder Account erforderlich

Jetzt abonnieren & upgraden

Shumai Tags

Open Source Kostenlos Für Entwickler Linux-kompatibel Mac-kompatibel Self-Hosting

Bestgeeignete Berufe für Shumai

Softwareentwickler Akademische Forscher Datenwissenschaftler