mlx-examples

MLX Examples est un référentiel de projets d'exemples autonomes démontrant le framework MLX, une bibliothèque d'apprentissage automatique efficace et flexible conçue pour Apple silicon. La collection couvre un large éventail de tâches d'apprentissage profond et d'architectures de modèles, ce qui en fait une ressource d'apprentissage précieuse pour les développeurs et les chercheurs travaillant avec MLX. Les exemples sont organisés en plusieurs catégories : **Modèles de texte** : comprend la formation de modèles de langage transformeurs, la génération de texte à grande échelle avec LLaMA et Mistral, les modèles de mélange d'experts (Mixtral 8x7B), le réglage fin efficace en paramètres avec LoRA/QLoRA, les transformeurs multitâches texte-à-texte (T5) et la compréhension bidirectionnelle du langage (BERT). **Modèles d'image** : couvre la génération d'images avec FLUX et Stable Diffusion/SDXL, la classification d'images à l'aide de ResNets sur CIFAR-10 et les autoencodeurs variationnels convolutionnels (CVAE) sur MNIST. **Modèles vidéo** : présente la génération texte-à-vidéo et image-à-vidéo avec Wan2.1. **Modèles audio** : comprend la reconnaissance vocale avec Whisper d'OpenAI, la compression et la génération audio avec EnCodec de Meta et la génération musicale avec MusicGen de Meta. **Modèles multimodaux** : démontre les plongements conjoints texte et image avec CLIP, la génération de texte à partir d'entrées image et texte avec LLaVA et la segmentation d'images avec Segment Anything (SAM). **Autres modèles** : couvre l'apprentissage semi-supervisé sur des données structurées en graphe avec GCN et les flux normalisants pour l'estimation de densité et l'échantillonnage. L'exemple MNIST est recommandé comme point de départ pour apprendre MLX. Pour des capacités LLM plus complètes, le référentiel pointe vers MLX LM, un package Python dédié. Les points de contrôle de modèles convertis sont disponibles via l'organisation MLX Community sur Hugging Face, et le projet accueille les contributions communautaires de nouveaux modèles. La suite logicielle MLX a été initialement développée par Awni Hannun, Jagrit Digani, Angelos Katharopoulos et Ronan Collobert.