mlx-examples

MLX Examplesは、Appleシリコン向けに設計された効率的で柔軟な機械学習ライブラリであるMLXフレームワークを実証するスタンドアロンのプロジェクト例のリポジトリです。このコレクションは、幅広い深層学習タスクとモデルアーキテクチャを網羅しており、MLXを扱う開発者や研究者にとって貴重な学習リソースとなっています。 例はいくつかのカテゴリに整理されています： **テキストモデル**：トランスフォーマー言語モデルのトレーニング、LLaMAとMistralを使用した大規模テキスト生成、混合専門家モデル（Mixtral 8x7B）、LoRA/QLoRAを使用したパラメータ効率的なファインチューニング、テキスト間マルチタストランスフォーマー（T5）、双方向言語理解（BERT）が含まれます。 **画像モデル**：FLUXとStable Diffusion/SDXLを使用した画像生成、CIFAR-10上のResNetを使用した画像分類、MNIST上の畳み込み変分オートエンコーダ（CVAE）をカバーします。 **ビデオモデル**：Wan2.1を使用したテキストからビデオおよび画像からビデオの生成を特徴とします。 **オーディオモデル**：OpenAIのWhisperを使用した音声認識、MetaのEnCodecを使用したオーディオ圧縮と生成、MetaのMusicGenを使用した音楽生成が含まれます。 **マルチモーダルモデル**：CLIPを使用したテキストと画像の共同埋め込み、LLaVAを使用した画像とテキスト入力からのテキスト生成、Segment Anything（SAM）を使用した画像セグメンテーションを示します。 **その他のモデル**：GCNを使用したグラフ構造データ上の半教師あり学習と、密度推定とサンプリングのための正規化フローをカバーします。 MNISTの例は、MLXを学ぶための出発点として推奨されています。より完全な機能を備えたLLM機能については、リポジトリは専用のPythonパッケージであるMLX LMを指しています。変換されたモデルのチェックポイントは、Hugging FaceのMLX Community組織を通じて利用可能であり、プロジェクトは新しいモデルのコミュニティ貢献を歓迎しています。 MLXソフトウェアスイートは、当初Awni Hannun、Jagrit Digani、Angelos Katharopoulos、Ronan Collobertによって開発されました。