Shumai

Shumai ist eine Tensorbibliothek, mit der JavaScript-Entwickler Machine-Learning-Modelle mit produktionsreifer Leistung erstellen und trainieren können. Sie verbindet Webentwicklung und numerische Berechnungen durch differenzierbare Tensoren, automatische Gradientenberechnung und effiziente Matrixoperationen.

Höhepunkte

• Schnelle Ausführung durch FFI-Anbindungen an die Bun-Laufzeitumgebung
• GPU-Beschleunigung für umfangreiche Berechnungen
• Automatische Differenzierung für Fehlerrückführung und Gradientenverfolgung
• Netzwerkverbindungen für verteilte ML-Arbeitsabläufe
• Gängige Tensoroperationen und Grundbausteine für neuronale Netze
• Auf TypeScript ausgerichtetes Design mit starker Typsicherheit

Die Bibliothek richtet sich an JavaScript-Entwickler, die anspruchsvolle ML-Funktionen benötigen, ohne die Programmiersprache zu wechseln. Sie eignet sich besonders zum Einbinden von Modellen in Webanwendungen, zum Aufbau von Datenverarbeitungspipelines in Node.js und zum Experimentieren mit neuronalen Netzen in einer Sprache, die viele Frontend- und Full-Stack-Entwickler bereits beherrschen. Das Projekt befindet sich noch im experimentellen Stadium, wird aber aktiv gepflegt und eignet sich daher für Entwicklungs- und Forschungszwecke.