Flax是什么
JAX关系
对比PyTorch/TF
设计哲学
安装JAX/Flax
GPU/TPU配置
第一个项目
项目结构
nn.Module详解
参数初始化
模块组合复用
自定义模块
保存/加载参数
Orbax管理
断点续训
模型版本控制
TensorFlow Datasets
DataLoader
预处理/增强
混洗与批处理
手动训练循环
损失函数
优化器(SGD/Adam/AdamW)
梯度裁剪/累积
验证集评估
指标(准确率/F1/AUC)
混淆矩阵
过/欠拟合诊断
Hydra配置
YAML设计
实验参数化
多环境切换
WandB
TensorBoard
自定义日志回调
性能监控
Spmd自动并行
流水线并行
混合并行
大规模最佳实践
FP16/BF16原理
jax.lax精度控制
Loss Scaling
性能调优
JIT编译
@jit装饰器
静态/动态形状
XLA优化技巧
Serving框架
REST API
gRPC接口
模型版本管理
训练后量化(PTQ)
量化感知(QAT)
INT8/FP8
量化部署
结构化剪枝
非结构化剪枝
知识蒸馏原理
蒸馏训练流程
共享编码器
任务特定头
多任务损失平衡
梯度冲突解决
学习率搜索
网络架构搜索
元学习框架
自动超参优化
特征重要性
梯度归因
SHAP/LIME
注意力可视化
弹性权重巩固(EWC)
记忆重放
动态架构扩展
灾难性遗忘缓解
Apache Beam
TFRecord优化
数据分片并行
内存管理
Profiling工具
内存泄漏检测
I/O瓶颈优化
计算图优化
训练中断恢复
节点故障处理
数据一致性
幂等性设计