JAX 入门实战指南，零基础友好，助你掌握高效机器学习编程核心技巧 | #指南

• Just-In-Time 编译（jit + XLA）：加速 Python 函数执行，提升计算性能，了解最佳使用场景。
• 自动向量化（vmap）：用批处理替代低效循环，简洁代码实现并行计算。
• 自动微分（grad 等）：轻松计算导数与梯度，支持复杂函数与结构化输入。
• 调试工具（jax.debug.print、断点）：洞察 JIT 和向量化代码内部执行，快速定位问题。
• Pytrees 结构：灵活处理嵌套数据，支持自定义类型映射转换。
• 分布式计算：多设备高效并行，涵盖自动、显式和手动分片策略。
• 有状态计算管理：保证随机性和模型状态重现性，兼容 JAX 变换。
• JIT 控制流优化：高效编写条件语句和循环，避免重复编译与代码膨胀。

每章节均以 Jupyter 笔记本形式呈现，配套实操示例，推荐边实验边学习，助力深度理解。项目持续更新，欢迎提交问题反馈。