इस प्रोजेक्ट के बारे में

MLX उदाहरण, MLX फ्रेमवर्क को प्रदर्शित करने वाले स्टैंडअलोन उदाहरण परियोजनाओं का एक भंडार है, जो Apple silicon के लिए डिज़ाइन की गई एक कुशल और लचीली मशीन लर्निंग लाइब्रेरी है। यह संग्रह गहन शिक्षण कार्यों और मॉडल आर्किटेक्चर की एक विस्तृत श्रृंखला को शामिल करता है, जो MLX के साथ काम करने वाले डेवलपर्स और शोधकर्ताओं के लिए एक मूल्यवान सीखने का संसाधन बनाता है। उदाहरण कई श्रेणियों में व्यवस्थित हैं: **टेक्स्ट मॉडल**: इसमें ट्रांसफॉर्मर भाषा मॉडल प्रशिक्षण, LLaMA और Mistral के साथ बड़े पैमाने पर टेक्स्ट जनरेशन, मिश्रण-ऑफ-एक्सपर्ट्स मॉडल (Mixtral 8x7B), LoRA/QLoRA के साथ पैरामीटर-कुशल फाइन-ट्यूनिंग, टेक्स्ट-टू-टेक्स्ट मल्टी-टास्क ट्रांसफॉर्मर (T5), और द्विदिश भाषा समझ (BERT) शामिल है। **छवि मॉडल**: FLUX और Stable Diffusion/SDXL के साथ छवि निर्माण, CIFAR-10 पर ResNets का उपयोग करके छवि वर्गीकरण, और MNIST पर कन्वोल्यूशनल वेरिएशनल ऑटोएन्कोडर (CVAE) शामिल है। **वीडियो मॉडल**: Wan2.1 के साथ टेक्स्ट-टू-वीडियो और इमेज-टू-वीडियो निर्माण की सुविधा देता है। **ऑडियो मॉडल**: OpenAI के Whisper के साथ भाषण पहचान, Meta के EnCodec के साथ ऑडियो संपीड़न और निर्माण, और Meta के MusicGen के साथ संगीत निर्माण शामिल है। **मल्टीमॉडल मॉडल**: CLIP के साथ संयुक्त टेक्स्ट और छवि एम्बेडिंग, LLaVA के साथ छवि और टेक्स्ट इनपुट से टेक्स्ट निर्माण, और Segment Anything (SAM) के साथ छवि विभाजन प्रदर्शित करता है। **अन्य मॉडल**: GCN के साथ ग्राफ-संरचित डेटा पर अर्ध-पर्यवेक्षित शिक्षण और घनत्व अनुमान और नमूने के लिए सामान्यीकरण प्रवाह शामिल है। MNIST उदाहरण MLX सीखने के लिए शुरुआती बिंदु के रूप में अनुशंसित है। अधिक पूर्ण-विशेषताओं वाली LLM क्षमताओं के लिए, भंडार MLX LM की ओर इशारा करता है, जो एक समर्पित Python पैकेज है। परिवर्तित मॉडल चेकपॉइंट Hugging Face पर MLX Community संगठन के माध्यम से उपलब्ध हैं, और परियोजना नए मॉडलों के सामुदायिक योगदान का स्वागत करती है। MLX सॉफ्टवेयर सूट शुरू में Awni Hannun, Jagrit Digani, Angelos Katharopoulos, और Ronan Collobert द्वारा विकसित किया गया था।