প্রকল্প সম্পর্কে

MLX Examples হলো MLX ফ্রেমওয়ার্ক প্রদর্শনকারী স্ট্যান্ডঅ্যালোন উদাহরণ প্রকল্পের একটি সংগ্রহ। MLX হলো Apple সিলিকনের জন্য ডিজাইন করা একটি দক্ষ ও নমনীয় মেশিন লার্নিং লাইব্রেরি। সংগ্রহটি গভীর শিক্ষার বিভিন্ন কাজ এবং মডেল আর্কিটেকচার জুড়ে বিস্তৃত, যা MLX নিয়ে কাজ করা ডেভেলপার এবং গবেষকদের জন্য একটি মূল্যবান শেখার সম্পদ। উদাহরণগুলো কয়েকটি বিভাগে সংগঠিত: **টেক্সট মডেল**: ট্রান্সফরমার ভাষা মডেল প্রশিক্ষণ, LLaMA এবং Mistral দিয়ে বৃহৎ আকারের টেক্সট জেনারেশন, মিশ্র-বিশেষজ্ঞ মডেল (Mixtral 8x7B), LoRA/QLoRA দিয়ে প্যারামিটার-দক্ষ ফাইন-টিউনিং, টেক্সট-টু-টেক্সট মাল্টি-টাস্ক ট্রান্সফরমার (T5), এবং দ্বিমুখী ভাষা বোঝাপড়া (BERT) অন্তর্ভুক্ত। **ইমেজ মডেল**: FLUX এবং Stable Diffusion/SDXL দিয়ে ইমেজ জেনারেশন, CIFAR-10-এ ResNets ব্যবহার করে ইমেজ শ্রেণীবিভাগ, এবং MNIST-এ কনভোলিউশনাল ভেরিয়েশনাল অটোএনকোডার (CVAE) কভার করে। **ভিডিও মডেল**: Wan2.1 দিয়ে টেক্সট-টু-ভিডিও এবং ইমেজ-টু-ভিডিও জেনারেশন বৈশিষ্ট্যযুক্ত। **অডিও মডেল**: OpenAI-এর Whisper দিয়ে বক্তৃতা শনাক্তকরণ, Meta-এর EnCodec দিয়ে অডিও কম্প্রেশন এবং জেনারেশন, এবং Meta-এর MusicGen দিয়ে সঙ্গীত জেনারেশন অন্তর্ভুক্ত। **মাল্টিমোডাল মডেল**: CLIP দিয়ে যৌথ টেক্সট এবং ইমেজ এমবেডিং, LLaVA দিয়ে ইমেজ এবং টেক্সট ইনপুট থেকে টেক্সট জেনারেশন, এবং Segment Anything (SAM) দিয়ে ইমেজ সেগমেন্টেশন প্রদর্শন করে। **অন্যান্য মডেল**: GCN দিয়ে গ্রাফ-কাঠামোগত ডেটাতে আধা-তত্ত্বাবধানে শিক্ষা এবং ঘনত্ব অনুমান ও নমুনার জন্য নরমালাইজিং ফ্লো কভার করে। MNIST উদাহরণটি MLX শেখার শুরুর পয়েন্ট হিসেবে সুপারিশ করা হয়। আরও সম্পূর্ণ LLM ক্ষমতার জন্য, সংগ্রহটি MLX LM-এর দিকে নির্দেশ করে, যা একটি নিবেদিত Python প্যাকেজ। রূপান্তরিত মডেল চেকপয়েন্টগুলি Hugging Face-এ MLX Community সংস্থার মাধ্যমে উপলব্ধ, এবং প্রকল্পটি নতুন মডেলের সম্প্রদায় অবদানকে স্বাগত জানায়। MLX সফটওয়্যার স্যুটটি প্রাথমিকভাবে Awni Hannun, Jagrit Digani, Angelos Katharopoulos, এবং Ronan Collobert দ্বারা তৈরি করা হয়েছিল।