منصوبے کے بارے میں

MLX Examples ایک ذخیرہ ہے جس میں اسٹینڈ اکیلے مثالوں کے منصوبے شامل ہیں جو MLX فریم ورک کو ظاہر کرتے ہیں، جو ایپل سلکان کے لیے ڈیزائن کردہ ایک موثر اور لچکدار مشین لرننگ لائبریری ہے۔ یہ مجموعہ گہری سیکھنے کے کاموں اور ماڈل آرکیٹیکچرز کی وسیع رینج پر محیط ہے، جو MLX کے ساتھ کام کرنے والے ڈویلپرز اور محققین کے لیے ایک قیمتی سیکھنے کا وسیلہ بناتا ہے۔ مثالیں کئی زمروں میں منظم ہیں: **متن کے ماڈلز**: ٹرانسفارمر لینگویج ماڈل کی تربیت، LLaMA اور Mistral کے ساتھ بڑے پیمانے پر متن کی تخلیق، ماہرین کے مرکب ماڈلز (Mixtral 8x7B)، LoRA/QLoRA کے ساتھ پیرامیٹر موثر فائن ٹیوننگ، متن سے متن کے ملٹی ٹاسک ٹرانسفارمرز (T5)، اور دو طرفہ زبان کی سمجھ (BERT) شامل ہیں۔ **تصویری ماڈلز**: FLUX اور Stable Diffusion/SDXL کے ساتھ تصویر کی تخلیق، CIFAR-10 پر ResNets کا استعمال کرتے ہوئے تصویر کی درجہ بندی، اور MNIST پر convolutional variational autoencoders (CVAE) شامل ہیں۔ **ویڈیو ماڈلز**: Wan2.1 کے ساتھ متن سے ویڈیو اور تصویر سے ویڈیو کی تخلیق پیش کرتا ہے۔ **آڈیو ماڈلز**: OpenAI کے Whisper کے ساتھ تقریر کی شناخت، Meta کے EnCodec کے ساتھ آڈیو کمپریشن اور تخلیق، اور Meta کے MusicGen کے ساتھ موسیقی کی تخلیق شامل ہے۔ **ملٹی موڈل ماڈلز**: CLIP کے ساتھ مشترکہ متن اور تصویری ایمبیڈنگز، LLaVA کے ساتھ تصویر اور متن کے ان پٹ سے متن کی تخلیق، اور Segment Anything (SAM) کے ساتھ تصویر کی تقسیم کو ظاہر کرتا ہے۔ **دیگر ماڈلز**: GCN کے ساتھ گراف ڈھانچے والے ڈیٹا پر نیم زیر نگرانی سیکھنے اور کثافت کے تخمینے اور نمونے لینے کے لیے نارملائزنگ فلو شامل ہیں۔ MNIST کی مثال MLX سیکھنے کے لیے ایک ابتدائی نقطہ کے طور پر تجویز کی گئی ہے۔ مزید مکمل LLM صلاحیتوں کے لیے، ذخیرہ MLX LM کی طرف اشارہ کرتا ہے، جو ایک مخصوص Python پیکیج ہے۔ تبدیل شدہ ماڈل چیک پوائنٹس Hugging Face پر MLX Community تنظیم کے ذریعے دستیاب ہیں، اور یہ منصوبہ نئے ماڈلز کی کمیونٹی شراکت کا خیر مقدم کرتا ہے۔ MLX سافٹ ویئر سوٹ ابتدائی طور پر Awni Hannun، Jagrit Digani، Angelos Katharopoulos، اور Ronan Collobert نے تیار کیا تھا۔