প্রকল্প সম্পর্কে

MLX হলো অ্যাপল সিলিকনের জন্য মেশিন লার্নিংয়ের একটি অ্যারে ফ্রেমওয়ার্ক, যা অ্যাপলের মেশিন লার্নিং গবেষণা দল দ্বারা তৈরি। এটি একটি Python API প্রদান করে যা NumPy-এর সাথে ঘনিষ্ঠভাবে অনুসরণ করে, সাথে সম্পূর্ণ বৈশিষ্ট্যযুক্ত C++, C, এবং Swift API যা Python ইন্টারফেসের প্রতিফলন ঘটায়। `mlx.nn` এবং `mlx.optimizers`-এর মতো উচ্চ-স্তরের প্যাকেজগুলি জটিল মডেল তৈরির জন্য PyTorch কনভেনশন অনুসরণ করে। মূল বৈশিষ্ট্যগুলির মধ্যে রয়েছে: - **পরিচিত API**: NumPy-সদৃশ Python API, সাথে C++, C, এবং Swift সংস্করণ। - **কম্পোজেবল ফাংশন ট্রান্সফরমেশন**: স্বয়ংক্রিয় ডিফারেন্সিয়েশন, ভেক্টরাইজেশন, এবং কম্পিউটেশন গ্রাফ অপ্টিমাইজেশন সমর্থন করে। - **লেজি কম্পিউটেশন**: অ্যারে শুধুমাত্র প্রয়োজন হলে মেটেরিয়ালাইজ করা হয়। - **ডাইনামিক গ্রাফ নির্মাণ**: কম্পিউটেশন গ্রাফ ডাইনামিকভাবে তৈরি হয়, যা শেপ পরিবর্তনের সময় ধীর পুনঃকম্পাইলেশন এড়ায়। - **মাল্টি-ডিভাইস**: অপারেশন CPU এবং GPU-তে চলে। - **ইউনিফাইড মেমরি**: অ্যারে শেয়ার্ড মেমরিতে থাকে, যা ডেটা স্থানান্তর ছাড়াই ডিভাইস জুড়ে অপারেশন সক্ষম করে। MLX মেশিন লার্নিং গবেষকদের জন্য ডিজাইন করা হয়েছে, প্রশিক্ষণ এবং ডিপ্লয়মেন্টে ব্যবহারকারী-বান্ধবতা এবং দক্ষতা লক্ষ্য করে। এটি NumPy, PyTorch, Jax, এবং ArrayFire থেকে অনুপ্রেরণা নেয়। ইনস্টলেশন macOS-এ pip-এর মাধ্যমে (`pip install mlx`), সাথে Linux-এ CUDA (`mlx[cuda]`) বা CPU-শুধু (`mlx[cpu]`) বিকল্প। MLX উদাহরণ রিপোজিটরিতে ট্রান্সফরমার ভাষা মডেল প্রশিক্ষণ, LoRA ফাইনটিউনিং সহ LLaMA টেক্সট জেনারেশন, Stable Diffusion ইমেজ জেনারেশন, এবং Whisper স্পিচ রিকগনিশন অন্তর্ভুক্ত। ডকুমেন্টেশন, কুইকস্টার্ট গাইড, এবং কন্ট্রিবিউশন নির্দেশিকা রিপোজিটরিতে উপলব্ধ। প্রকল্পটি ওপেন-সোর্স এবং অবদানকারীদের স্বীকৃতি দেয়।