معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

GPU+autodiff-capable ODE/SDE/CDE solvers written in JAX.

ویژگی	مقدار
سیستم عامل	-
نام فایل	diffrax-0.3.1
نام	diffrax
نسخه کتابخانه	0.3.1
نگهدارنده	['Patrick Kidger']
ایمیل نگهدارنده	['contact@kidger.site']
نویسنده	Patrick Kidger
ایمیل نویسنده	contact@kidger.site
آدرس صفحه اصلی	https://github.com/patrick-kidger/diffrax
آدرس اینترنتی	https://pypi.org/project/diffrax/
مجوز	Apache-2.0

<h1 align='center'>Diffrax</h1> <h2 align='center'>Numerical differential equation solvers in JAX. Autodifferentiable and GPU-capable.</h2> Diffrax is a [JAX](https://github.com/google/jax)-based library providing numerical differential equation solvers. Features include: - ODE/SDE/CDE (ordinary/stochastic/controlled) solvers; - lots of different solvers (including `Tsit5`, `Dopri8`, symplectic solvers, implicit solvers); - vmappable _everything_ (including the region of integration); - using a PyTree as the state; - dense solutions; - multiple adjoint methods for backpropagation; - support for neural differential equations. _From a technical point of view, the internal structure of the library is pretty cool -- all kinds of equations (ODEs, SDEs, CDEs) are solved in a unified way (rather than being treated separately), producing a small tightly-written library._ ## Installation ``` pip install diffrax ``` Requires Python 3.8+, JAX 0.4.3+, and [Equinox](https://github.com/patrick-kidger/equinox) 0.10.0+. ## Documentation Available at [https://docs.kidger.site/diffrax](https://docs.kidger.site/diffrax). ## Quick example ```python from diffrax import diffeqsolve, ODETerm, Dopri5 import jax.numpy as jnp def f(t, y, args): return -y term = ODETerm(f) solver = Dopri5() y0 = jnp.array([2., 3.]) solution = diffeqsolve(term, solver, t0=0, t1=1, dt0=0.1, y0=y0) ``` Here, `Dopri5` refers to the Dormand--Prince 5(4) numerical differential equation solver, which is a standard choice for many problems. ## Citation If you found this library useful in academic research, please cite: [(arXiv link)](https://arxiv.org/abs/2202.02435) ```bibtex @phdthesis{kidger2021on, title={{O}n {N}eural {D}ifferential {E}quations}, author={Patrick Kidger}, year={2021}, school={University of Oxford}, } ``` (Also consider starring the project on GitHub.) ## See also Neural networks: [Equinox](https://github.com/patrick-kidger/equinox). Type annotations and runtime checking for PyTrees and shape/dtype of JAX arrays: [jaxtyping](https://github.com/google/jaxtyping). Computer vision models: [Eqxvision](https://github.com/paganpasta/eqxvision). SymPy<->JAX conversion; train symbolic expressions via gradient descent: [sympy2jax](https://github.com/google/sympy2jax).

نیازمندی

مقدار	نام
>=0.4.3	jax
>=0.10.0	equinox

زبان مورد نیاز

مقدار	نام
~=3.8	Python

نحوه نصب

نصب پکیج whl diffrax-0.3.1:

pip install diffrax-0.3.1.whl

نصب پکیج tar.gz diffrax-0.3.1:

pip install diffrax-0.3.1.tar.gz