Shumai

Active

Tagline:Snabb differentierbar tensorbibliotek för TypeScript och JavaScript med Bun + Flashlight

Uppdaterad:-

Sociala medier:

AI-utvecklarverktyg Forskning och dataanalys Öppen källkod Gratis För utvecklare Linux-kompatibel Mac-kompatibel Självhostat

Öppna webbplats

Besök webbplats

Vad är Shumai?

Shumai är ett snabbt, nätverksanslutet differentierbart tensorbibliotek för TypeScript och JavaScript, byggt med Bun och Flashlight för mjukvaruutvecklare och forskare. Skapa tensorer, kör matrisoperationer, beräkna gradienter med autograd och servera modeller över nätverket. Linux använder CUDA GPU som standard; macOS använder ArrayFire CPU. MIT öppen källkod från Meta AI Research.

Hur man använder Shumai?

Installera Bun och ArrayFire (macOS: brew install arrayfire, Ubuntu: apt-paket). Kör bun install @shumai/shumai. Importera med import * as sm from '@shumai/shumai', skapa tensorer med sm.randn() eller sm.tensor(), anropa .backward() för gradienter. Nätverkstensor-exempel i dokumentationen på facebookresearch.github.io/shumai.

Shumai Nyckelfunktioner

Differentierbara tensorer med autograd

Sätt requires_grad och anropa backward() för automatisk gradientberäkning. detach() kopierar tensorer utan gradientspårning.

Nätverksanslutna tensorer

Servera modeller med sm.io.serve_model och anropa fjärrtensorer via sm.io.remote_model för distribuerad ML.

Bun + Flashlight-backend

På Bun-runtime och Flashlight med ArrayFire. Linux: CUDA GPU; macOS: ArrayFire CPU. Standardoperationer: matmul, randn, identity och loss-funktioner.

JavaScript-native arrayer

Konvertering mellan Float32Array och tensorer via toFloat32Array() och sm.tensor(). Skalartensorer blir JS-nummer med toFloat32().

Shumai Användningsområden

Prototypa ML-experiment i TypeScript inom JS-ekosystemet

Bygga nätverks-ML-tjänster med fjärrtensoranrop och server-side autograd

Forska differentierbar programmering och gradientbaserad optimering i Bun

Shumai Vanliga frågor

Vilka plattformar stöds?

macOS och Linux stöds officiellt. Windows via Docker + WSL2 + Linux, inklusive CUDA.

Hur installerar jag Shumai?

Installera Bun och ArrayFire, sedan bun install @shumai/shumai. macOS: ArrayFire CPU via Homebrew; Linux Ubuntu: CUDA-backend via apt.

Är Shumai redo för produktion?

Experimentell programvara. README varnar explicit. Rapportera install- eller prestandaproblem på GitHub.

Shumai Produktbakgrund & officiella länkar

Shumai Support-e-post & kundtjänstkontakt & återbetalningskontakt etc.

Mer kontakt, besök Om oss sida(https://facebookresearch.github.io/shumai/)

Shumai Företagsinformation

Shumai Företagsnamn: Meta Platforms, Inc.

Shumai Utvecklartyp: company

Mer om Shumai, Besök gärna Om oss sida(https://facebookresearch.github.io/shumai/)

Shumai GitHub

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

Shumai Priser och planer

Open Source

Gratis

MIT-licens
Fri användning, modifiering och distribution
Ingen prenumeration eller konto krävs

Prenumerera och uppgradera nu

Shumai Taggar

Öppen källkod Gratis För utvecklare Linux-kompatibel Mac-kompatibel Självhostat

Lämpligaste yrken för Shumai

Mjukvaruutvecklare Akademiska forskare Data Scientists