mlx-examples

MLX Examples는 Apple silicon용으로 설계된 효율적이고 유연한 기계 학습 라이브러리인 MLX 프레임워크를 시연하는 독립 실행형 예시 프로젝트 저장소입니다. 이 모음은 다양한 딥러닝 작업과 모델 아키텍처를 다루며, MLX를 사용하는 개발자와 연구자를 위한 유용한 학습 자료입니다. 예시는 여러 범주로 정리되어 있습니다: 텍스트 모델: Transformer 언어 모델 학습, LLaMA와 Mistral을 사용한 대규모 텍스트 생성, Mixture-of-Experts 모델(Mixtral 8x7B), LoRA/QLoRA를 사용한 파라미터 효율적인 미세 조정, text-to-text 멀티 태스크 Transformer(T5), 양방향 언어 이해(BERT) 등을 포함합니다. 이미지 모델: FLUX와 Stable Diffusion/SDXL을 사용한 이미지 생성, CIFAR-10에서 ResNets를 사용한 이미지 분류, MNIST에서 convolutional variational autoencoder(CVAE) 등을 다룹니다. 비디오 모델: Wan2.1을 사용한 text-to-video 및 image-to-video 생성을 특징으로 합니다. 오디오 모델: OpenAI의 Whisper를 사용한 음성 인식, Meta의 EnCodec를 사용한 오디오 압축 및 생성, Meta의 MusicGen을 사용한 음악 생성 등을 포함합니다. 멀티모달 모델: CLIP을 사용한 텍스트 및 이미지 결합 임베딩, LLaVA를 사용한 이미지 및 텍스트 입력으로부터의 텍스트 생성, Segment Anything(SAM)을 사용한 이미지 분할을 시연합니다. 기타 모델: GCN을 사용한 그래프 구조 데이터에 대한 반지도 학습, 밀도 추정 및 샘플링을 위한 normalizing flows를 다룹니다. MNIST 예시는 MLX 학습을 시작하기 위한 출발점으로 권장됩니다. 더 완전한 LLM 기능을 위해서는 저장소가 전용 Python 패키지인 MLX LM을 가리킵니다. 변환된 모델 체크포인트는 Hugging Face의 MLX Community 조직을 통해 사용할 수 있으며, 이 프로젝트는 새로운 모델에 대한 커뮤니티 기여를 환영합니다. MLX 소프트웨어 스위트는 Awni Hannun, Jagrit Digani, Angelos Katharopoulos, Ronan Collobert가 처음 개발했습니다.