منصوبے کے بارے میں

MLX ایپل سلکان پر مشین لرننگ کے لیے ایک ارے فریم ورک ہے، جسے ایپل کی مشین لرننگ ریسرچ ٹیم نے تیار کیا ہے۔ یہ ایک Python API فراہم کرتا ہے جو NumPy کے قریب سے پیروی کرتا ہے، اور مکمل خصوصیات والے C++، C، اور Swift APIs بھی فراہم کرتا ہے جو Python انٹرفیس کی عکاسی کرتے ہیں۔ اعلیٰ سطح کے پیکجز جیسے `mlx.nn` اور `mlx.optimizers` پیچیدہ ماڈلز بنانے کے لیے PyTorch کنونشنز کی پیروی کرتے ہیں۔ کلیدی خصوصیات میں شامل ہیں: - **واقف APIs**: NumPy جیسا Python API، نیز C++، C، اور Swift ورژن۔ - **قابلِ ترکیب فنکشن تبدیلیاں**: خودکار تفریق، ویکٹرائزیشن، اور حساب گراف کی اصلاح کی حمایت کرتا ہے۔ - **سست حساب**: ارے صرف ضرورت پڑنے پر مادی ہوتے ہیں۔ - **متحرک گراف تعمیر**: حساب گراف متحرک طور پر بنائے جاتے ہیں، جس سے شکل تبدیل ہونے پر سست دوبارہ تالیف سے بچا جاتا ہے۔ - **کثیر آلہ**: آپریشنز CPU اور GPU پر چلتے ہیں۔ - **متحد میموری**: ارے مشترکہ میموری میں رہتے ہیں، جس سے ڈیٹا منتقلی کے بغیر آلات کے درمیان آپریشن ممکن ہوتا ہے۔ MLX مشین لرننگ محققین کے لیے ڈیزائن کیا گیا ہے، جس کا مقصد تربیت اور تعیناتی میں صارف دوستی اور کارکردگی ہے۔ یہ NumPy، PyTorch، Jax، اور ArrayFire سے متاثر ہے۔ تنصیب macOS پر pip کے ذریعے کی جاتی ہے (`pip install mlx`)، جس میں Linux کے لیے CUDA (`mlx[cuda]`) یا صرف CPU (`mlx[cpu]`) کے اختیارات ہیں۔ MLX مثالوں کے ذخیرے میں ٹرانسفارمر زبان ماڈل کی تربیت، LoRA فائن ٹیوننگ کے ساتھ LLaMA متن کی تخلیق، Stable Diffusion تصویر کی تخلیق، اور Whisper تقریر کی شناخت شامل ہے۔ دستاویزات، فوری آغاز کے رہنما، اور شراکت کے رہنما خطوط ذخیرے میں دستیاب ہیں۔ یہ پروجیکٹ اوپن سورس ہے اور شراکت داروں کو تسلیم کرتا ہے۔