はじめに

jaxという並列実行をするためのpythonライブラリがあるようである
特に一番基本のvmapの使い方を簡単にまとめておく

vmapのメリット

基本的にはnp.vectorizeみたいに使える。
CPU, GPU, TPUで並列実行できるようにコンパイルされる。

基本的な使い方

使い方はほぼnp.vectorizeと同様。

import jax
import jax.numpy as jnp

# 並列実行したい関数
def multiply(x, y):
    return x * y

# jax.vmapを使用してmultiply関数をベクトル化
# in_axesは各入力に対するバッチ次元を定義する
vectorized_multiply = jax.vmap(multiply, in_axes=(0, 0))

x = jnp.array([1, 2, 3, 4])
y = jnp.array([10, 20, 30, 40])

result = vectorized_multiply(x, y) # 並列実行

print(result)
# 出力結果は[10,40,90,160]

@jax.vmapを使った書き方

並列化する軸はデフォルトで0が指定される。
軸を指定する必要がない場合は@jax.vmapでデコレートするだけでOK。
関数「vectorized_multiply」を別に作る必要がないのでスマート。

import jax
import jax.numpy as jnp

# 並列実行したい関数
@jax.vmap
def multiply(x, y):
    return x * y

# 入力データ
x = jnp.array([1, 2, 3, 4])
y = jnp.array([10, 20, 30, 40])

# ベクトル化された関数を適用
result = multiply(x, y)  # 並列実行

print(result)
# 出力結果は[10, 40, 90, 160]

複雑な構造に関する並列化

次のような複雑な構造に関する並列実行もできる。これすごい。

import jax
import jax.numpy as jnp
import chex

# 並列実行したい関数
def multiply(x, y):
    return x * y.c.u

# jax.vmapを使用してmultiply関数をベクトル化
# in_axesは各入力に対するバッチ次元を定義する
vectorized_multiply = jax.vmap(multiply, in_axes=(0, 0))


@chex.dataclass(frozen=True)
class DataClass1:
  u: chex.Array  
  v: chex.Array  

@chex.dataclass(frozen=True)
class DataClass2:
  a: chex.Array  
  b: chex.Array  
  c: DataClass1  

x = jnp.array([1, 2, 3, 4])
y = DataClass2(
    a=jnp.array([10,20,30,40]), 
    b=jnp.array([10,20,30,40]), 
    c=DataClass1(
        u=jnp.array([1,2,3,4]),
        v=jnp.array([10,20,30,40]),
    ),
)

result = vectorized_multiply(x, y) # 並列実行


print(result)
# 出力結果は[1,4,9,16]

おわりに

jax.vmapの使い方は簡単。
ただjaxを使いこなすのは結構難しい。。覚えないといけないことは次の通り。
- 型付け：コンパイルされるので、それなりに型付けしないといけない
- ループ構造：jax.lax.fori_loop, jax.lax.while_loop, jax.lax.scan
- プロセス並列化：jax.pmap
- 並列化の引数固定：functools.partial, @functools.partial
- その他：通常の関数・バッチ処理の関数が混ざるので、関数が普通の1個の値をとるのか、配列をとるのか、引数なのかをよく見わけないといけない（ソースコードにコメントを積極的に書き残そう）