JAX可微分編程

《JAX可微分編程》以Google開發的JAX開源框架為載體，詳細介紹了JAX在可微分編程領域的應用，
具體包括自動微分的基本原理、數據結構，以及自動微分在實際場景中的應用，
其涉及的領域包括但不限於算法優化、神經網絡、工程建模、量子計算等。
《JAX可微分編程》分為3部分，總計10章外加5篇附錄。
第1部分介紹了可微分編程的基本原理，包括手動求導、數值微分、符號微分以及自動微分的前向模式和反向模式，
在未調用任何庫函數的情況下，從零開始構建起了符號微分及自動微分的數據結構。
第2部分是對JAX庫特性的介紹，包括JAX的基本語法、自動微分、
即時編譯和並行計算，並以此為切口，對深度學習、λ演算等領域進行了深入淺出的講解。
第3部分是自動微分在實際場景中的應用，除了算法優化、
神經網絡等極其經典的應用場景，這一部分還給出了自動微分在工程建模、量子計算等方面的理論及應用。
《JAX可微分編程》涵蓋的範圍雖廣，但對其中每個領域的介紹都絕非淺嚐輒止，
無論材料的選取、內容的編排，還是論述的視角、觀點的呈現，均不乏新穎之處。
通過本書的學習，讀者不但可以掌握JAX開源框架的用法，還可以獲悉JAX在可微分編程領域的具體應用方法。
本書適合在工作中會用到自動微分技術的工程技術人員、
高校科研人員閱讀，也適合對JAX感興趣並希望能掌握其應用的AI技術人員閱讀。

版權信息
版權
內容提要
關於作者
關於技術審稿人
獻辭
致謝
前言
資源與支持
楔子[2]
第1章程序視角下的微分運算
第2章自動微分
第3章初識Jax
第4章Jax的微分運算
第5章Jax的編程範式及即時編譯
第6章Jax的並行計算
第7章優化算法
第8章循環神經網絡
第9章案例：FAST主動反射面的形態調節[71]
第10章量子計算中的自動微分
附錄A Python中類的介紹
附錄B 拓撲排序
附錄C 信息和熵
附錄D 下降算法的收斂性分析
附錄E 神經元的Hodgkin Huxley模型
後記