عن المشروع

MLX Examples هو مستودع لمشاريع أمثلة مستقلة توضح إطار عمل MLX، وهو مكتبة تعلّم آلة فعّالة ومرنة مصممة لشرائح Apple. تغطي المجموعة نطاقًا واسعًا من مهام تعلّم الآلة وبنى النماذج، مما يجعلها موردًا تعليميًا قيمًا للمطورين والباحثين الذين يعملون مع MLX. تنقسم الأمثلة إلى عدة فئات: **نماذج النصوص**: تشمل تدريب نماذج اللغة المحوّلة (Transformer)، وتوليد النصوص على نطاق واسع باستخدام LLaMA وMistral، ونماذج خليط الخبراء (Mixtral 8x7B)، والضبط الدقيق الفعّال للمعلمات باستخدام LoRA/QLoRA، ونماذج المحوّلات متعددة المهام من نص إلى نص (T5)، وفهم اللغة ثنائي الاتجاه (BERT). **نماذج الصور**: تغطي توليد الصور باستخدام FLUX وStable Diffusion/SDXL، وتصنيف الصور باستخدام شبكات ResNet على CIFAR-10، والمشفرات التلقائية التلافيفية المتغيرة (CVAE) على MNIST. **نماذج الفيديو**: تتضمن توليد فيديو من نص ومن صورة باستخدام Wan2.1. **نماذج الصوت**: تشمل التعرف على الكلام باستخدام Whisper من OpenAI، وضغط الصوت وتوليده باستخدام EnCodec من Meta، وتوليد الموسيقى باستخدام MusicGen من Meta. **النماذج المتعددة الوسائط**: توضح التضمينات المشتركة للنص والصورة باستخدام CLIP، وتوليد النصوص من مدخلات الصور والنصوص باستخدام LLaVA، وتقسيم الصور باستخدام Segment Anything (SAM). **نماذج أخرى**: تغطي التعلّم شبه الخاضع للإشراف على البيانات الرسومية باستخدام GCN، والتدفقات الطبيعية لتقدير الكثافة وأخذ العينات. يُوصى بمثال MNIST كنقطة بداية لتعلّم MLX. بالنسبة لقدرات نماذج اللغة الكبيرة الأكثر اكتمالًا، يشير المستودع إلى MLX LM، وهي حزمة بايثون مخصصة. تتوفر نقاط تفتيش النماذج المحوّلة عبر منظمة MLX Community على Hugging Face، ويرحب المشروع بمساهمات المجتمع بنماذج جديدة. طُوّرت مجموعة برامج MLX في البداية بواسطة Awni Hannun وJagrit Digani وAngelos Katharopoulos وRonan Collobert.