Shumai

Active

Slogan :Bibliothèque de tenseurs différentiables rapide pour TypeScript et JavaScript avec Bun + Flashlight

Mis à jour :-

Réseaux sociaux :

Outils de développement IA Recherche et Analyse de Données Open source Gratuit Pour les développeurs Compatible avec Linux Compatible Mac Auto-hébergé

Ouvrir le site

Visiter le site web

Qu'est-ce que Shumai?

Shumai est une bibliothèque de tenseurs différentiables rapide et connectée au réseau pour TypeScript et JavaScript, construite avec Bun et Flashlight pour les ingénieurs et chercheurs. Créez des tenseurs, exécutez des opérations matricielles, calculez des gradients via l'autograd et servez des modèles sur le réseau. Linux utilise CUDA GPU par défaut ; macOS utilise ArrayFire CPU. Open source MIT de Meta AI Research.

Comment utiliser Shumai?

Installez Bun et ArrayFire (macOS : brew install arrayfire, Ubuntu : paquets apt). Exécutez bun install @shumai/shumai. Importez avec import * as sm from '@shumai/shumai', créez des tenseurs avec sm.randn() ou sm.tensor(), appelez .backward() pour les gradients. Exemples de tenseurs réseau dans la doc facebookresearch.github.io/shumai.

Shumai Fonctionnalités clés

Tenseurs différentiables avec autograd

Définissez requires_grad et appelez backward() pour calculer les gradients automatiquement. detach() copie un tenseur sans suivi des gradients.

Tenseurs connectés au réseau

Servez des modèles avec sm.io.serve_model et appelez des tenseurs distants via sm.io.remote_model pour du ML distribué.

Backend Bun + Flashlight

Basé sur Bun et Flashlight avec ArrayFire. Linux : CUDA GPU ; macOS : ArrayFire CPU. Ops standard : matmul, randn, identity et fonctions de perte.

Tableaux natifs JavaScript

Conversion entre Float32Array et tenseurs via toFloat32Array() et sm.tensor(). Les tenseurs scalaires deviennent des nombres JS avec toFloat32().

Shumai Cas d'usage

Prototyper des expériences ML en TypeScript dans l'écosystème JS

Construire des services ML en réseau avec appels de tenseurs distants et autograd côté serveur

Recherche en programmation différentiable et optimisation par gradient dans Bun

Shumai Questions fréquentes

Quelles plateformes sont supportées ?

macOS et Linux sont officiellement supportés. Windows via Docker + WSL2 + Linux, incluant CUDA.

Comment installer Shumai ?

Installez Bun et ArrayFire, puis bun install @shumai/shumai. macOS : ArrayFire CPU via Homebrew ; Linux Ubuntu : backend CUDA via apt.

Shumai est prêt pour la production ?

Logiciel expérimental. Le README le précise. Signalez les problèmes d'installation ou de performance sur GitHub.

Shumai Présentation du produit & Liens officiels

Shumai E-mail de support & contact du service client & contact pour remboursement etc.

Pour plus de contacts, visitez la page page à propos de nous(https://facebookresearch.github.io/shumai/)

Shumai Informations de l'entreprise

Shumai Nom de l'entreprise : Meta Platforms, Inc.

Shumai Type de développeur : company

En savoir plus sur Shumai, Veuillez visiter la page page à propos de nous(https://facebookresearch.github.io/shumai/)

Shumai GitHub

Shumai Lien GitHub : https://github.com/facebookresearch/shumai

Tarifs & Forfaits de Shumai

Open Source

Gratit

Gratuit

Licence MIT
Utilisation, modification et distribution gratuites
Aucun abonnement ni compte requis

S'abonner & passer à la version supérieure maintenant

Tags de Shumai

Open source Gratuit Pour les développeurs Compatible avec Linux Compatible Mac Auto-hébergé

Métiers les plus adaptés pour Shumai

Développeurs de logiciels Chercheurs académiques Data Scientists