NumPy 风格数组计算
提供熟悉的 NumPy 风格 API，用于数组操作与数值计算。
JAX
High performance array computingJAX 是一个面向加速器的 Python 库，用于高性能数值计算和大规模机器学习。它提供熟悉的 NumPy 风格 API，并支持可组合的编译、批处理、自动微分与并行化程序变换，同一份代码可运行于 CPU、GPU 和 TPU 后端。
- 6
- 分层文档级别：JAX 101 至 JAX 601
- 3
- 支持的主要后端：CPU、GPU 与 TPU
- 4
- 核心程序变换方向：编译、批处理、自动微分与并行化
从数组操作到加速器程序变换
围绕数组计算、性能扩展、自动微分、专用内核和分布式系统提供分层文档与 API 参考，便于从基础使用逐步深入高级开发。
即时编译与性能扩展
支持使用 jax.jit 进行即时编译，并提供提前降低与编译、性能分析和 GPU 内存管理文档。
自动微分
支持 JVP、VJP、雅可比矩阵、海森矩阵、自定义导数规则与梯度检查点等自动微分能力。
分片与并行化
提供数据放置、分布式数组、自动并行化和 shard_map 手动并行等能力。
Pallas 自定义内核与 FFI
支持使用 Pallas 编写 GPU 与 TPU 自定义内核，并通过外部函数接口调用外部代码。
持续补充的 JAX 文档内容
文档提供 Newly documented 入口，用于查看首次覆盖的新功能与内容；同时按 JAX 101 至 JAX 601 分层组织学习路径。
Newly documented
官方文档提供 Newly documented 页面，用于查看首次记录的新功能与文档内容。
从入门指南到 API 参考
可从安装与入门内容开始，逐步学习数组、转换、编译、分片、自动微分、Pallas 内核、分布式计算及完整 API。
从这里开始使用JAX。
NETWORK
