इस प्रोजेक्ट के बारे में

MLX एक ऐरे फ्रेमवर्क है जो एप्पल सिलिकॉन पर मशीन लर्निंग के लिए है, जिसे एप्पल की मशीन लर्निंग रिसर्च टीम द्वारा विकसित किया गया है। यह एक पायथन API प्रदान करता है जो NumPy का अनुसरण करता है, साथ ही पूरी तरह से फीचर्ड C++, C और Swift API भी हैं जो पायथन इंटरफ़ेस को दर्शाते हैं। उच्च-स्तर के पैकेज जैसे `mlx.nn` और `mlx.optimizers` PyTorch के अनुरूप जटिल मॉडल बनाने के लिए बनाए गए हैं। मुख्य विशेषताएँ: - **परिचित API**: NumPy जैसी पायथन API, साथ ही C++, C और Swift संस्करण। - **कंपोज़ेबल फ़ंक्शन ट्रांसफ़ॉर्मेशन**: स्वचालित विभेदन, वेक्टराइज़ेशन और कंप्यूटेशन ग्राफ़ अनुकूलन का समर्थन करता है। - **लेज़ी कंप्यूटेशन**: ऐरे केवल आवश्यक होने पर materialized होते हैं। - **डायनामिक ग्राफ़ निर्माण**: कंप्यूटेशन ग्राफ़ डायनामिक रूप से बनते हैं, जिससे आकार बदलने पर धीरे‑धीरे पुनः कंपाइलेशन से बचा जा सकता है। - **मल्टी‑डिवाइस**: ऑपरेशंस CPU और GPU दोनों पर चलते हैं। - **यूनिफाइड मेमोरी**: ऐरे शेयर्ड मेमोरी में रहते हैं, जिससे डेटा ट्रांसफ़र के बिना उपकरणों के बीच ऑपरेशन संभव हो जाते हैं। MLX मशीन लर्निंग शोधकर्ताओं के लिए डिज़ाइन किया गया है, जिसका लक्ष्य प्रशिक्षण और तैनाती में उपयोगकर्ता‑मित्रता और दक्षता प्रदान करना है। यह NumPy, PyTorch, Jax और ArrayFire से प्रेरणा लेता है। स्थापना macOS पर pip के माध्यम से की जाती है (`pip install mlx`), साथ ही Linux के लिए CUDA (`mlx[cuda]`) या केवल CPU (`mlx[cpu]`) विकल्प भी उपलब्ध हैं। MLX उदाहरण रिपॉज़िटरी में ट्रांसफ़ॉर्मर भाषा मॉडल प्रशिक्षण, LoRA फाइन‑ट्यूनिंग के साथ LLaMA टेक्स्ट जनरेशन, Stable Diffusion छवि जनरेशन और Whisper स्पीच रिकग्निशन शामिल हैं। दस्तावेज़, क्विकस्टार्ट गाइड और योगदान दिशानिर्देश रिपॉज़िटरी में उपलब्ध हैं। परियोजना ओपन‑सोर्स है और योगदानकर्ताओं की सराहना करती है।